《表2 RBKNN算法参数设置》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于冗余度的KNN训练样本裁剪新算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文所提RBKNN算法的参数包括k'、MinRedund和MaxRmRate。其中k'为裁剪算法计算样本冗余度的范围，即统计k'个最近邻，MinRedund为样本裁剪最小冗余度，MaxRmRate为最大裁剪概率。对于最大裁剪概率的最优取值，本文在15个数据集上进行实验，观察MaxRmRate取值对算法精度的影响，实验结果如图3所示。由图可知，有些数据集冗余度较小，需要裁剪的样本较少，因此最大裁剪概率取值对其影响不大，而对于冗余度较大的数据集来说，存在一个最大裁剪概率的临界点，当最大裁剪概率小于此临界点时，最大裁剪概率取值对精度影响不大；当最大裁剪概率大于此临界点时，进入过度裁剪阶段，此时分类精度将会随着最大裁剪概率的增大而大幅下降。在实验中的所有数据集最大裁剪概率临界点均大于0.7，考虑到实验数据集覆盖范围较广，认为此结果具有普适性。因此，为保持分类器分类性能，在以下实验中，最大裁剪概率MaxRmRate均取0.7。RBKNN算法实验参数取值如表2所示。