论文部分内容阅读
将核学习方法的思想应用于K近邻法中，提出了一种核K近邻算法，算法的主要思想是：首先将原空间中待分类的样本经过一个非线性映射，映射到一个高维的核空间中，突出各类样本之间的特征差异，然后在这个核空间中进行K近邻分类。为了验证算法的有效性，分别利用人工和实际数据进行K近邻分类和核K近邻分类，实验结果显示对于一些特殊的类分布数据，核K近邻分类比K近邻分类具有更好的分类效果。