[發(fā)明專利]一種基于兩層鄰域信息的雙重最近鄰分類方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110089726.7
• 申請日: 2021-01-22
• 公開（公告）號: CN112819047A
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計）人: 潘志斌;王祎琨
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 范巍

1.一種基于兩層鄰域信息的雙重最近鄰分類方法，用于模式識別，其特征在于，包括以下步驟：

步驟1，在預(yù)獲取的訓(xùn)練集中尋找輸入樣本的k個最近鄰，所述k個最近鄰作為輸入樣本的直接近鄰；

步驟2，在預(yù)獲取的訓(xùn)練集中尋找各直接近鄰的可用鄰域，所有可用鄰域中的樣本作為輸入樣本的間接近鄰；

步驟3，各直接近鄰的可用鄰域中與輸入樣本分布滿足預(yù)設(shè)分布關(guān)系的被整體保留，與直接近鄰一起作為輸入樣本的候選近鄰；

步驟4，根據(jù)候選近鄰與輸入樣本的反向近鄰關(guān)系，確定雙重最近鄰；

步驟5，利用所有雙重最近鄰的類標(biāo)簽，根據(jù)多數(shù)表決規(guī)則，對輸入樣本進(jìn)行分類判決。

2.根據(jù)權(quán)利要求1所述的一種基于兩層鄰域信息的雙重最近鄰分類方法，其特征在于，步驟1具體包括以下步驟：

計算輸入樣本與所有訓(xùn)練樣本之間的歐式距離，計算表達(dá)式為：

式中，N表示訓(xùn)練集中樣本的總數(shù)，y_i表示任意一個訓(xùn)練樣本，d(x，y_i)表示x和y_i的歐式距離；T為訓(xùn)練集，x為輸入樣本；

與輸入樣本距離最近的k個訓(xùn)練樣本為輸入樣本的k個最近鄰，計算表達(dá)式為：

式中，k表示最近鄰的個數(shù)，表示x的第i個最近鄰，NN_k(x)表示x的k個最近鄰集合；

輸入樣本的k個最近鄰作為輸入樣本的直接近鄰，表達(dá)式為：

式中，y_D表示x的任意一個直接近鄰，DN(x)表示x的直接近鄰集合。

3.根據(jù)權(quán)利要求2所述的一種基于兩層鄰域信息的雙重最近鄰分類方法，其特征在于，步驟2具體包括以下步驟：

步驟2.1，在訓(xùn)練集中尋找直接近鄰各自的k個最近鄰；

步驟2.2，確定各直接近鄰的可用鄰域；

步驟2.3，確定輸入樣本的間接近鄰；

其中，直接近鄰各自的k個最近鄰為，表達(dá)式為：

式中，表示y_D的第i個最近鄰，其中NN_k(x)表示y_D的k個最近鄰集合；

對于每個直接近鄰，其k個最近鄰中，與輸入樣本的距離小于等于直接鄰域半徑2倍的部分被選作該直接近鄰的可用鄰域，表達(dá)式為：

式中，y_I表示y_D的一個可用近鄰，AN(y_D)表示y_D的所有可用近鄰組成的可用鄰域；

所有直接近鄰的可用近鄰共同組成輸入樣本的間接近鄰，表達(dá)式為：

式中，IN(x)表示x的間接近鄰集合。

4.根據(jù)權(quán)利要求3所述的一種基于兩層鄰域信息的雙重最近鄰分類方法，其特征在于，步驟3具體包括以下步驟：

分析各直接近鄰的可用鄰域與輸入樣本的分布關(guān)系，包括：

(1)計算各直接近鄰的可用鄰域質(zhì)心與輸入樣本的距離其中表示y_D的可用鄰域的質(zhì)心；

(2)將直接近鄰的可用鄰域質(zhì)心與輸入樣本的距離和直接近鄰本身與輸入樣本的距離d(x，y_D)進(jìn)行比較：如果則保留，否則刪除；

確定輸入樣本的候選近鄰，包括：保留下來的可用鄰域和直接近鄰一起組成輸入樣本的候選近鄰，表達(dá)式為：

式中，y_C表示x的一個候選近鄰，CN(x)表示x的候選近鄰集合。