基于聚类改进的Fisher与KNN判别分类算法对比研究 |
| |
引用本文: | 朱景福,李芳,鹿保鑫.基于聚类改进的Fisher与KNN判别分类算法对比研究[J].安徽农业科学,2019(1). |
| |
作者姓名: | 朱景福 李芳 鹿保鑫 |
| |
作者单位: | 广东石油化工学院理学院;黑龙江八一农垦大学电气与信息学院 |
| |
摘 要: | 大米中矿物元素种类多(38种),为了快速、准确地筛选出判别大米产地的有效指标,在分析大米矿物元素含量相关性的基础上,进行了大米产地判别分类算法对比实验。首先通过R型聚类方法将大米矿物元素样本进行分块,然后从每一类中选取数据再进行Fisher与KNN判别分类对比,这样可以改进传统算法中剪辑样本带来的判别误差,又大大降低了无效的计算量。实验表明,基于聚类选出一种元素最优组合方案,采用23种矿物元素进行Fisher判别的分类率达86.76%,此方法准确高效地降低了计算机的运算量,提高了判别分类速度。
|
关 键 词: | 聚类 Fisher判别 KNN判别 算法对比 |
Comparative Study of Fisher and KNN Discriminant Classification Algorithms Based on Clustering Improvement |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|