论文部分内容阅读
RSKNN算法是K近邻算法的一种改进算法，该算法基于变精度粗糙集理论，能在保证一定分类精度的前提下，有效地降低分类样本的计算量，并且提高计算效率和分类精度．由于RSKNN算法对属性的依赖度较高，在分类时容易受到伪近邻的影响，导致RSKNN算法的分类精度受到一定程度的影响．针对存在问题，本文提出一种新颖的基于RSKNN算法的改进算法SMwRSKNN，该算法在RSKNN算法的基础上引入类别子空间的思想，以降低冗余属性和伪近邻对分类的影响．在UCI公共数据集上的实验结果表明，SMwRSKNN算法比RSKNN算法