클러스터링 기반 k-가장 가까운 이웃에 대한 분류에 대규모 데이터와 신경 코드 표현

서있는 동안의 하나로서 가장 널리 이 고려하고 성공적인 감독 분류 알고리즘,k-가장 가까운 이웃(kNN)분급기 일반적으로 묘사한 가난한 효율성 때문에 인스턴스를 기반 방법입니다., 이런 의미에서 접근 유사 검색(ASS)으로 가능한 대안 사람들을 향상시키기 위해 효율성 문제의 비용으로 일반적으로 낮은 성능의 분류. 이 논문에서 우리는 클러스터링을 기반으로 한 엉덩이 전략을 초기 지점으로 취합니다. 우리는 다음 성능을 향상시킬로 문제를 해결과 관련된 경우 가까이 위치한 클러스터 경계를 확대하여 그들의 크기와의 사용을 고려 깊은 신경회로망 학습을 위해 적당한 표현에 대한 분류에서 작업 문제입니다., 결과 컬렉션을 사용하여 다양한 데이터셋을 표시하는 조합을 사용하의 이러한 두 가지 전략을 수반하는 상당한 개선에서 정확도의 성능으로,상당한 수의 감소는 거리에 필요한 샘플 분류에 비해 기본적인 kNN 규칙이 있습니다.

답글 남기기

이메일 주소를 발행하지 않을 것입니다. 필수 항목은 *(으)로 표시합니다