一种基于监督核共享近邻的云自适应模糊K近邻分类方法

摘要

本发明公开了一种基于监督核共享近邻的云自适应模糊K近邻分类方法，其包括以下步骤：S1、获取训练样本并根据其类别信息建立无向邻域图；S2、获取各训练样本之间的相似度，并确定各训练样本的密度；S3、根据各训练样本的密度获取各训练样本的隶属度；S4、获取待分类样本与近邻样本之间的相似度，并获取近邻样本的权重；S5、根据待分类样本的近邻样本的权重获取待分类样本隶属于每个类别的隶属度确定其类别。本发明能够将大部分噪声的隶属度限制在0.2以下，实现在低阈值条件下有效区分噪声样本与正常样本，降低噪声样本对分类结果造成的影响，算法的抗干扰能力明显强于现有方法，使得本方法具有较理想的稳定性能。