基于遗传算法的多扰动多K近邻分类器系统

摘要

为改善维数灾难对K近邻分类器的影响,提出一种基于遗传算法(GA)的多扰动的K近邻融合算法,简称GA-MKNNC算法.目标扰动将所识别的问题划分成多个子分类问题进行单独识别.针对不同子分类问题,数据扰动选取相关的数据,特征扰动确定相关的特征,参数扰动明确相关参数值.数据扰动由Bagging算法确定.特征扰动和参数扰动通过GA学习得到.多个子分类问题的决策通过最大融合得到最终决策.实验结果表明,该算法的性能优于K近邻分类器及多数融合算法,且选用的子分类器数目少于FASBIR算法.