万有引力近邻的多视角分类学习

来源：计算机工程与应用杂志2019年第17期北京时间：

作者：李艳琼，李冬冬，王喆，张静

单位：1.华东理工大学 信息科学与工程学院，上海 200237；2.苏州大学 江苏省计算机信息处理技术重点实验室，江苏 苏州 215006

摘要：不平衡数据问题对传统的近邻分类器带来了很大的挑战，它的准则函数往往会使测试样本类别偏向于多数类，且参数对数据集有很强的依赖性。基于万有引力的固定半径近邻分类器（GFRNN）算法通过引入万有引力定律的思想，实现了一个针对不平衡数据的无参、高效的分类器，但GFRNN算法仅采用欧氏距离方法来计算半径和候选集。因此，基于GFRNN算法，在算法构造层面上提出了一种多视角学习框架MGFRNN。考虑到距离计算的多样性及所对应候选集的不确定性，在距离的计算中，采用欧式距离、一范数距离和切比雪夫距离三种度量方法，根据三种距离度量方法分别计算候选集半径，并计算候选集中各类样本对测试样本的万有引力大小，从而进行分类。实验结果证明，所提MGFRNN算法在比较算法中具有最高的分类精确度。

关键词：万有引力,近邻策略,多视角学习,不平衡数据,机器学习