%0 Journal Article %T 半监督k近邻分类方法 %A 陈日新 %A 朱明旱 %J 中国图象图形学报 %D 2013 %R 10.11834/jig.20130210 %X 加权KNN(k-nearestneighbor)方法,仅利用了k个最近邻训练样本所提供的类别信息,而没考虑测试样本的贡献,因而常会导致一些误判。针对这个缺陷,提出了半监督KNN分类方法。该方法对序列样本和非序列样本,均能够较好地执行分类。在分类决策时,还考虑了c个最近邻测试样本的贡献,从而提高了分类的正确性。在Cohn-Kanade人脸库上,序列图像的识别率提高了5.95%,在CMU-AMP人脸库上,非序列图像的识别率提高了7.98%。实验结果表明,该方法执行效率高,分类效果好。 %K 加权KNN %K 贝叶斯理论 %K 半监督KNN %K 流形 %U http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?file_no=20130210&flag=1