论文部分内容阅读
模糊 k-最近邻 （fuzzy k-nearestneighbor,FkNN） 及其改进的分类方法忽略了样本存在分布不均匀以及噪声样本的情况,不能充分体现每个类样本特征的差异性,影响了分类的准确率. 为此,提出了一种基于紧密度的模糊加权 kNN 数据分类方法. 首先基于样本间紧密度计算样本的隶属度;然后根据特征的模糊熵值分别计算每个类样本特征的权重,并使用加权欧氏距离确定近邻训练样本;最后根据待分类样本所属的每个类别的隶属度确定其类别.对 UCI 多个数据集的实验结果表明该方法是有效的.