导读:本文包含了近邻分类器论文开题报告文献综述、选题提纲参考文献，主要关键词:近邻,算法,局部,同态,目标,时间,核动力。
近邻分类器论文文献综述写法
徐剑,王安迪,毕猛,周福才[1]（2019）在《支持隐私保护的k近邻分类器》一文中研究指出k近邻(k-nearest neighbor,简称kNN)分类器在生物信息学、股票预测、网页分类以及鸢尾花分类预测等方面都有着广泛的应用.随着用户隐私保护意识的日益提高,kNN分类器也需要对密文数据提供分类支持,进而保证用户数据的隐私性,即设计一种支持隐私保护的足近邻分类器(privacy-preserving k-nearest neighbor classifier,简称PP-kNN).首先,对kNN分类器的操作进行分析,从中提取出一些基本操作,包括加法、乘法、比较、内积等.然后,选择两种同态加密方案和一种全同态加密方案对数据进行加密.在此基础上设计了针对基本操作的安全协议,其输出结果与在明文数据上执行同一方法的输出结果一致,且证明该协议在半诚实模型下是安全的.最后,通过将基本操作的安全协议进行模块化顺序组合的方式实现kNN分类器对密文数据处理的支持.通过实验,对所设计的PP-kNN分类器进行测试.结果表明,该分类器能够以较高效率实现对密文数据的分类,同时为用户数据提供隐私性保护.(本文来源于《软件学报》期刊2019年11期）
刘鹏,杜佳芝,吕伟刚,窦明武[2]（2019）在《面向不平衡数据集的一种改进的k-近邻分类器》一文中研究指出心脏心律失常数据集的心电图(ECG)数据往往存在各心律失常类型下样本数量不平衡问题.针对此问题,提出了一种新的模式识别分类方法,即改进的基于核的差重建的加权k-近邻分类器(modified kernel difference-w eighted k-nearest neighbor classifier,M KDF-WKNN),通过引入修正因子对含样本数较多的类别进行权值抑制,对含样本数较少的类别进行权值的加大,并使用UCI心脏心律失常数据集对ECG数据进行分类.实验结果表明,提出的算法和其他一些基于KNN的算法如KNN,DS-WKNN,DF-WKNN和KDF-WKNN相比,对于不平衡的心律失常数据集的分类有更好的效果.(本文来源于《东北大学学报(自然科学版)》期刊2019年07期）
朱雪慧[3]（2019）在《闭曲面最近邻分区神经网络分类器的研究与应用》一文中研究指出目前,神经网络已被证明是数据挖掘中一种重要的分类技术,然而,神经网络映射后得到的新空间在不同程度上影响了点的分布并进一步影响分类性能。在之前的研究中,形成的空间被称为“分区空间”,它可能是不规则区域或超球体的内部区域。因此,分区空间的质量也成为神经网络分类器评估的一部分。作为可再划分分区空间的神经网络分类器,最近邻分区方法通过在分区空间中生成任意形状的边界来改进神经网络分类器,但是最近邻分区方法存在着一些问题。一方面,在分区空间中使用具有边界的表面会导致边界问题并限制模型的适用范围;另一方面,具有较低表达能力的前馈神经网络不能充分利用映射的灵活性。因此,本研究描述了一种新颖的闭曲面最近邻分区神经网络分类器来提高分类性能。但是,对于该神经网络分类器在大规模数据集上的应用,降低了模型训练的效率。为了解决这一问题,我们基于GPU对模型进行加速处理,从而提高效率,减少训练时间。此外,由于水泥水化过程中的复杂性,训练过程中需要大量的数据来增加模型的稳健性。因此,用闭曲面最近邻分区方法来评估水泥微观结构性能,并使用并行方法来加速模型训练过程。本文从以下几个方面对闭曲面最近邻分区神经网络分类器进行研究:(1)利用闭曲面最近邻分区方法来提高神经网络分类器的性能本研究中,我们提出了一种闭曲面最近邻分区神经网络分类器,该方法采用闭曲面作为映射样本点的分区空间,进而无边界限制的优化他们的分布。此外,还引入了递归神经网络以通过增加映射关系的灵活性和复杂性来发挥闭曲面的最大优势。一方面,在闭曲面上无边界限制的优化样本点的分布,充分发挥了相同的类相互靠近,不同的类相互远离的原则;另一方面,递归神经网络由于循环链路的存在,具有较强的表达能力,从而增加了找到最佳神经网络的机会。实验结果表明,该方法取得了较好的性能。(2)对闭曲面最近邻分区神经网络分类器进行加速本研究中,提出了一种基于计算统一设备架构的并行闭曲面最近邻分区方法。在该方法中,块和线程分别用于评估潜在的神经网络和执行并行子任务。实验结果表明,所提出的并行方法在确保性能的前提下提高了训练效率,并且在精度上相比于其他的并行方法具有优越的性能。(3)利用闭曲面最近邻分区方法评估水泥微观结构性能首先通过Micro-CT获取水泥图像,并通过灰度直方图和灰度共生矩阵从图像中提取特征作为神经网络分类器的输入。该研究主要是利用闭曲面最近邻分区方法对水泥微观结构的性能进行评估,并利用并行过程进行加速训练,与其他分类方法相比,闭曲面最近邻分区方法在评估水泥性能方面优于其他的分类方法。(本文来源于《济南大学》期刊2019-06-01）
严佳[4]（2019）在《稳定的最近邻分类器及其统计性质》一文中研究指出本文主要研究学习了Will Wei Sun等人2016年发表的文章《Stabilized Nearest Neighbor Classifier and Its Statistical Properties》。统计分析方法的稳定性是可重复性的重要指标,也是科学方法的一个重要原则。它是指分别基于两个独立同分布的样本进行训练,在对新的样本预测时,可以获得相似的统计结论。然而,在分类环境中,大多数的分类器都只考虑精度,并没有关注稳定性。文章中,Will Wei Sun等人引入了分类不稳定性(CIS)的概念,来量化分类方法所做预测结果的变异性。通过证明发现,任何加权的最邻近分类器的CIS的渐近等价公式与其权重向量的欧几里德范数成正比。基于这个简明的形式,Will Wei Sun等人提出了一种稳定的最近邻分类器(SNN),它通过控制加权最近邻分类器(WNN)的精度在一个很小的区域内,最小化CIS来获得。在理论上,证明了SNN分类器的CIS的收敛速度已经达到最优,并且它在CIS方面的改进大于在精度上的损失。最后,通过仿真实验和叁组真实数据的模拟分析,验证了SNN分类器比kNN、BNN等现有的最近邻分类器在具有相似的分类精度情况下,它的CIS有了明显的改进。(本文来源于《中国科学技术大学》期刊2019-06-01）
韩春雷,蔚婧[5]（2018）在《近邻数据分类器在多目标跟踪中的应用研究》一文中研究指出文中针对近邻分类算法分类不稳定的问题进行了深入研究,提出基于质心分布的近邻数据分类方法,该方法用待分类样本与质心的距离来代替待分类样本与训练样本之间的距离,从根本上减小了样本间距离,增大了类间距离,提高了分类正确率。同时对分布式多传感器多目标跟踪系统中观测数据的分类问题进行了研究,将基于质心分布的近邻数据分类方法应用于多目标分类。仿真结果表明,所提算法具有稳定的分类特性,能够广泛应用于多传感器多目标跟踪领域。(本文来源于《电子科技》期刊2018年06期）
宋艳,白治江[6]（2018）在《基于扩展近邻SMOTE过采样的SVM分类器》一文中研究指出由于SMOTE算法插值时没有对边界和噪声样本做差异性处理,提出将邻域分布应用在SMOTE算法上的改进算法E_SMOTE。其核心是将正类样本按K近邻信息分为安全集和非安全集。对安全集按照SMOTE插值;对非安全集,在插值前探察其K近邻候选点的M近邻分布(简称M扩展近邻),从而控制新样本的合成区域,提升平衡数据集的抗噪性。在6个UCI数据集上训练SVM分类器,与SMOTE和SMOTE_NCL算法相比,E_SMOTE算法取得更高的F_value和G_mean值,表明分类器的总体分类性能有明显提高。(本文来源于《现代计算机(专业版)》期刊2018年15期）
马圆,田思佳,冯巍,梁志刚,崔春蕾[7]（2018）在《基于肺部PET/CT图像不同纹理特征的K最近邻分类器》一文中研究指出目的对PET/CT图像高维纹理参数进行降维,基于不同纹理参数建立肺结节良恶性的K最近邻(K-nearest neighbor,KNN)分类器,探究最佳建模方法,提高分类的准确率。方法采用回顾性研究的方式,收集52例首都医科大学宣武医院核医学科肺结节患者的PET/CT图像,对图像的感兴趣区域基于Contourlet变换提取灰度共生矩阵的纹理参数。对肺结节PET/CT图像的纹理参数首先采用单因素分析的方法,根据ROC曲线下面积筛选纹理参数,再对其进行主成分分析提取主要成分。基于主成分、根据ROC曲线筛选的纹理及原始纹理分别采用K最近邻分类算法建立肺结节良恶性的分类器,通过正确率、灵敏度、特异度、阳性预测值(positive predictive value,PPV)、阴性预测值(negative predictive value,NPV)、ROC曲线下面积(area under curve,AUC)这些指标评价分类效果。结果 PET/CT图像共提取1344个原始纹理参数,经单因素分析后筛选出89个纹理参数,对筛选后的纹理共提取11个主成分。基于主成分、筛选纹理、原始纹理的分类模型正确率分别为0.614、0.579、0.263;AUC分别为0.645、0.610、0.515。结论在主成分纹理、单因素分析筛选的纹理、原始纹理中,基于主成分纹理建立K最近邻分类器的效果最好。(本文来源于《北京生物医学工程》期刊2018年01期）
周莹,于晓艳[8]（2017）在《基于类Haar特征和最近邻分类器的车辆检测》一文中研究指出针对传统车辆检测方法计算复杂和误检率高的问题,提出了一种基于类Haar图像特征描述的车辆检测方法。首先,建立特征向量库,利用类Haar特征对训练样本进行特征提取。然后,提取待检测图像的子图像特征信息。最后,最近邻分类器利用特征向量库对待识别的子图像进行车辆存在性检测。利用积分图像的概念对图像进行描述,大幅度提高了特征提取速度。此外,分析了不同数量的类Haar特征对检测效果的影响。实验结果表明,该方法能大幅降低误检率,获得较高的查准率,对日间自然光条件下的车辆有较好的检测效果。(本文来源于《电子技术与软件工程》期刊2017年24期）
原继东,王志海,孙艳歌,张伟[9]（2017）在《面向复杂时间序列的k近邻分类器》一文中研究指出基于时序对齐的k近邻分类器是时间序列分类的基准算法.在实际应用中,同类复杂时间序列经常展现出不同的全局特性.由于传统时序对齐方法平等对待实例特征并忽略其局部辨别特性,因此难以准确、高效地处理此类具有挑战性的时间序列.为了有效对齐并分类复杂时间序列,提出了一种具有辨别性的局部加权动态时间扭曲方法,用于发现同类复杂时间序列的共同点以及异类序列间的不同点.同时,通过迭代学习时间序列对齐点的正例集与负例集,获取每条复杂时间序列中每个特征的辨别性权重.在多个人工和真实数据集上的实验结果表明了基于局部加权对齐策略的k近邻分类器所具有的可解释性与有效性,并将所提出方法扩展至多变量时间序列分类问题中.(本文来源于《软件学报》期刊2017年11期）
于巍峰,刘永阔,武茂浦,温志斌,周文[10]（2017）在《基于局部线性嵌入和K-最近邻分类器的核动力装置故障诊断方法研究》一文中研究指出针对核动力装置运行数据具有强非线性、高维数的特点,本文提出了一种基于流形学习的核动力装置运行故障诊断新方法。流形学习方法能有效地提取高维非线性数据中嵌入的低维流形特征,该方法运用局部线性嵌入算法直接对原始运行数据进行无监督学习,将数据进行非线性维数约简,从而得到数据的内在低维流形特征,并且保留了数据的几何结构信息。与传统的PCA线性方法相比,该方法特征提取能力更强,能有效地将不同种类的故障数据进行特征聚类,然后将提取到的低维特征向量输入K-最近邻分类器进行故障模式识别。为了验证该方法用于核动力装置故障诊断的可行性和优越性,采用人工数据集数值仿真和核动力装置仿真机过程仿真对该方法进行了验证。(本文来源于《中国核科学技术进展报告（第五卷）——中国核学会2017年学术年会论文集第10册（核测试与分析分卷、核安全分卷）》期刊2017-10-16）
近邻分类器论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
心脏心律失常数据集的心电图(ECG)数据往往存在各心律失常类型下样本数量不平衡问题.针对此问题,提出了一种新的模式识别分类方法,即改进的基于核的差重建的加权k-近邻分类器(modified kernel difference-w eighted k-nearest neighbor classifier,M KDF-WKNN),通过引入修正因子对含样本数较多的类别进行权值抑制,对含样本数较少的类别进行权值的加大,并使用UCI心脏心律失常数据集对ECG数据进行分类.实验结果表明,提出的算法和其他一些基于KNN的算法如KNN,DS-WKNN,DF-WKNN和KDF-WKNN相比,对于不平衡的心律失常数据集的分类有更好的效果.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
近邻分类器论文参考文献
[1].徐剑,王安迪,毕猛,周福才.支持隐私保护的k近邻分类器[J].软件学报.2019
[2].刘鹏,杜佳芝,吕伟刚,窦明武.面向不平衡数据集的一种改进的k-近邻分类器[J].东北大学学报(自然科学版).2019
[3].朱雪慧.闭曲面最近邻分区神经网络分类器的研究与应用[D].济南大学.2019
[4].严佳.稳定的最近邻分类器及其统计性质[D].中国科学技术大学.2019
[5].韩春雷,蔚婧.近邻数据分类器在多目标跟踪中的应用研究[J].电子科技.2018
[6].宋艳,白治江.基于扩展近邻SMOTE过采样的SVM分类器[J].现代计算机(专业版).2018
[7].马圆,田思佳,冯巍,梁志刚,崔春蕾.基于肺部PET/CT图像不同纹理特征的K最近邻分类器[J].北京生物医学工程.2018
[8].周莹,于晓艳.基于类Haar特征和最近邻分类器的车辆检测[J].电子技术与软件工程.2017
[9].原继东,王志海,孙艳歌,张伟.面向复杂时间序列的k近邻分类器[J].软件学报.2017
[10].于巍峰,刘永阔,武茂浦,温志斌,周文.基于局部线性嵌入和K-最近邻分类器的核动力装置故障诊断方法研究[C].中国核科学技术进展报告（第五卷）——中国核学会2017年学术年会论文集第10册（核测试与分析分卷、核安全分卷）.2017