Klusterointi-pohjainen k-lähimmän naapurin luokittelun laajamittaista tietojen kanssa hermo koodit edustus

Kun seisoo kuin yksi laajimmin pidetty ja onnistunut valvottu luokitus algoritmeja, k-lähimmän Naapurin (kNN) luokittelija yleisesti kuvaa huono hyötysuhde, koska on esimerkiksi perustuva menetelmä., Tässä mielessä Arvioida Samankaltainen Haku (ASS) seisoo mahdollisena vaihtoehtona parantaa tehokkuutta kysymyksiä kustannuksella tyypillisesti alentaa suorituskykyä luokittelija. Tässä asiakirjassa otamme alkupisteeksi ass-strategian, joka perustuu klusterointiin. Me sitten parantaa sen suorituskykyä, ratkaista kysymyksiä, jotka liittyvät esiintymät sijaitsevat lähellä klusterin rajat suurentamalla niiden kokoa ja käytön huomioon ottaen Syvä neuroverkkojen oppimiseen sopiva edustus luokitusta task kysymys., Tulokset käyttämällä kokoelma kahdeksan eri aineistot osoittavat, että yhdistetty käyttö näiden kaksi strategioita edellyttää merkittävää parannusta tarkkuus suorituskykyä, huomattavan määrän vähentäminen etäisyydet tarpeen luokitella näytteen verrattuna perus kNN sääntö.

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *