Fisher criterion

新的自适应 KNN 分类器使用粒状球体计算提高效率

研究人员开发了一种新颖的自适应 k-近邻 (KNN) 分类器，该分类器使用粒状球体计算。该方法包括一个两阶段过程：首先，将数据集划分为粒状球体，并使用 Fisher 判据指导球体分裂以创建多粒度表示。其次，在预测过程中，识别最近的粒状球体，并在测试样本周围形成自适应邻域。有效的“k”值由该邻域内的样本数量动态确定，与现有的 KNN 变体相比，从而提高了准确性和效率。