[发明专利]基于由P系统进化的可编辑样本集的K最近邻分类算法

说明书

本发明提供的基于由P系统进化的可编辑样本集的K最近邻分类算法包括：组织型P系统设计：系统包括q个细胞，每个细胞中包括m个对象，细胞中的对象为n维二进向量，用于指示原始样本集中的哪些样本被包含在可编辑样本集中；P系统的q个细胞协同地搜索最优指示向量Z：每个细胞中包含一个最好对象，每个细胞使用转运规则将其最好对象转运到环境中，更新环境中所对应的最好对象，并将自己的最好对象转运给下一个细胞；可编辑样本集生成：采用离散二进制PSO的速度‑位移模型作为进化规则，依据停机条件停机后，环境中的最好对象即为最优的可编辑样本集；KNN分类器依据生成的可编辑样本集构造分类规则，对未知样本进行分类，提高了分类器的分类性能。

技术领域

本发明属于数据挖掘分类技术领域，具体地说，涉及一种基于由P系统进化的可编辑样本集的K最近邻分类算法。

背景技术

K最近邻(k-Nearest Neighbor，KNN))分类算法是最受欢迎的监督学习分类方法。它是一种在训练阶段不依赖于建立模型的非参数方法，其分类规则是基于给定的训练实例与待测试实例之间的相似度函数。KNN算法已成为数据挖掘中最相关的算法，它是机器学习在各个领域中许多应用的一个组成部分。分类算法已广泛被应用于各个方面：比如智能系统、计算机视觉、生物信息学、海洋探测、航空航天技术、工业生产、安全监控、科学理论研究等许多重要领域。

但是KNN分类算法也有其不足的地方，1)高的计算复杂性：为了找出k最近邻居集，需要计算未知样本与所有训练样本之间的距离(或相似性)。2)对训练样本的依赖性：分类器仅由训练样本生成的，没有使用其它数据，分类器严重地依赖于训练样本,哪怕训练集有较小的改变，分类器需要重新计算。3)样本之间没有权重区别：所有训练样本被等同对待，这些样本之间没有差别，即使大的训练。4)维数灾问题：当样本的特征维数太高时，分类器的性能会严重变差。

发明内容

有鉴于此，本发明所要解决的技术问题是提供了一种基于由P系统进化的可编辑样本集的K最近邻分类算法，以解决当训练样本集太大时，KNN分类器需要花费过多的时间来计算未知样本与所有训练样本的距离(或相似性)的问题。

为解决上述技术问题，本发明公开了一种基于由P系统进化的可编辑样本集的K最近邻分类算法。所述方法包括：

组织型P系统设计：系统包括q个细胞，每个细胞中包括m个对象，细胞中的对象为n维二进向量，用于指示原始样本集中的哪些样本被包含在可编辑样本集中；

P系统的q个细胞协同地搜索最优指示向量Z：每个细胞中包含一个最好对象，每个细胞使用转运规则将其最好对象转运到环境中，更新环境中所对应的最好对象，并将自己的最好对象转运给下一个细胞；

可编辑样本集生成：采用离散二进制PSO的速度-位移模型作为进化规则，依据停机条件停机后，环境中的最好对象即为最优的可编辑样本集；

KNN分类器依据生成的可编辑样本集构造分类规则，对未知样本进行分类。

如上所述的算法，可选的，采用一个3维整数数组来表示P系统中的所有对象：Z(q,m,n)；

第i细胞中第j个对象记为可表示为：