[发明专利]最近邻分类装置及方法

说明书

技术领域

本发明涉及信息技术领域，尤其涉及一种最近邻分类装置及方法。

背景技术

随着信息技术的不断发展，模式识别的应用日益普遍。而最近邻分类是模式识别领域中被普遍使用的分类策略。单纯的最近邻分类指的是，对于需要分类的物体，根据一些距离规则来选择K个最近邻的训练样本，而该物体的类别被确定为该K个最近邻的训练样本中最普遍的类别，当K为1时，该物体的类别则被确定为该单一的最近邻样本的类别。

单纯的最近邻分类策略的鲁棒性较差且对噪声较为敏感，为了解决该问题，目前进行了很多改进。例如，可采用加权最近邻分类法，其中，根据各个最近邻样本的贡献分配权重，距离测试样本较近的贡献较大。例如，一种普遍使用的加权最近邻分类法采用1/d作为各个最近邻样本的权重，d为各个最近邻样本距离测试样本的距离。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

本发明的发明人发现，现有的加权最近邻分类法的分类结果依赖于数据的局部结构，从而可能导致分类错误。图1是一种示例的数据分布图，如图1所示，圆圈内的圆点表示测试样本，当使用现有的加权最近邻分类法时，由于采用1/d作为各个最近邻的权重，该测试样本被错误的划分为正方形的类别。

另外，现有的最近邻分类法依赖于最近邻样本的数量，即依赖于K值。图2是另一种示例的数据分布图，如图2所示，圆点表示测试样本，当K＝3时，选取的最近邻样本为实线圆圈内的样本，该测试样本被划分为三角形的类别，当K＝5时，选 取的最近邻样本为虚线圆圈内的样本，该测试样本被划分为正方形的类别，因此，K值的不同将导致分类结果的不同，使得分类结果不可靠。

本发明实施例提供一种最近邻分类装置及方法，由于在对测试样本进行分类时，同时考虑了各个类别的权重和先验概率这两个因素，能够有效提高分类结果的准确性，并具有较强的鲁棒性。

根据本发明实施例的第一方面，提供一种最近邻分类装置，包括：获取单元，所述获取单元用于获得测试样本的K个最近邻样本，K为正整数；分组单元，所述分组单元用于根据所述K个最近邻样本的类别进行分组，其中，每个组对应于每个类别；第一计算单元，所述第一计算单元用于计算每个组的权重；第二计算单元，所述第二计算单元用于计算每个组的概率密度分布，并根据每个组的概率密度分布计算所述测试样本对于每个组的先验概率；第三计算单元，所述第三计算单元用于根据每个组的权重和所述测试样本对于每个组的先验概率，计算每个组对应的类别的得分；分类单元，所述分类单元用于将所有类别中得分最高的类别确定为所述测试样本的类别。

根据本发明实施例的第二方面，提供一种最近邻分类方法，包括：获得测试样本的K个最近邻样本，K为正整数；根据所述K个最近邻样本的类别进行分组，其中，每个组对应于每个类别；计算每个组的权重；计算每个组的概率密度分布，并根据每个组的概率密度分布计算所述测试样本对于每个组的先验概率；根据每个组的权重和所述测试样本对于每个组的先验概率，计算每个组对应的类别的得分；将所有类别中得分最高的类别确定为所述测试样本的类别。

本发明的有益效果在于：由于在对测试样本进行分类时，同时考虑了各个类别的权重和先验概率这两个因素，能够有效提高分类结果的准确性，并具有较强的鲁棒性。

参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。

针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。

附图说明

所包括的附图用来提供对本发明实施例的进一步的理解，其构成了说明书的一部分，用于例示本发明的实施方式，并与文字描述一起来阐释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1是一种示例的数据分布图；