【技术实现步骤摘要】
本专利技术涉及数据分类领域，具体为基于密度粒球的自适应三支k近邻分类器。
技术介绍
1、粒计算是一种模拟人类思维和解决复杂问题的计算方法，它有效利用粒的形成、转移、合成和分解来处理问题，在不同的粒化水平上，根据需要在解决问题的准确性和时间消耗之间做出权衡，粒计算涵盖了所有与粒度有关的理论、方法和技术，是解决复杂问题、大数据挖掘和模糊信息处理的有效工具；粒球计算(gbc)是粒计算的延伸，它是一种旨在解决复杂问题的新计算方法，gbc是一种基于信息球而非传统信息粒的数据抽象和知识提取的新方法，与传统的信息粒由集合或区间等形式结构定义不同，信息球是由数据点之间的相似性或距离关系组成的动态聚类结果，夏树银科研团队在《an efficient and adaptivegranular-ball generation method in classification problem》提出一种高效、自适应的粒球生成方法，该方法利用划分代替均值来加速粒球的生成，并考虑了消除粒球重叠等因素；然而，尽管gbc提供了一个有效的数据预处理模式，但生成粒球的算法主...
【技术保护点】
1.基于密度粒球的自适应三支K近邻分类器，其特征在于，包括以下步骤：基于密度峰聚类算法的思想，引入细化阈值的概念，提出一种密度粒球算法DBGBC，将所述DBGBC算法与数据驱动邻域结合起来，提出一种基于密度的粒球K近邻算法DBGBKNN，在所述DBGBKNN算法基础上，将三支决策结合到邻域粗糙集中，提出基于密度粒球的自适应三支K近邻分类器；
2.根据权利要求1所述的基于密度粒球的自适应三支K近邻分类器，所述细化阈值为用于根据局部密度和相对距离进一步细分粒球的参数；基于所述细化阈值的密度峰聚类算法，假设LD是局部密度，RD是相对距离，RT是细化阈值，那么局部...
【技术特征摘要】
1.基于密度粒球的自适应三支k近邻分类器，其特征在于，包括以下步骤：基于密度峰聚类算法的思想，引入细化阈值的概念，提出一种密度粒球算法dbgbc，将所述dbgbc算法与数据驱动邻域结合起来，提出一种基于密度的粒球k近邻算法dbgbknn，在所述dbgbknn算法基础上，将三支决策结合到邻域粗糙集中，提出基于密度粒球的自适应三支k近邻分类器；
2.根据权利要求1所述的基于密度粒球的自适应三支k近邻分类器，所述细化阈值为用于根据局部密度和相对距离进一步细分粒球的参数；基于所述细化阈值的密度峰聚类算法，假设ld是局部密度，rd是相对距离，rt是细化阈值，那么局部密度阈值ldt和相对距离阈值rdt可以计算如下：
3.根据权利要求1所述的基于密度粒球的自适应三支k近邻分类器，所述的数据驱...
【专利技术属性】
技术研发人员：杨洁，顾若，吕新雨，罗天，施菊，
申请(专利权)人：遵义师范学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。