%0 Journal Article
%T 基于影响函数的分类
%A 张婷
%A 职为梅
%A 范明
%A 董亚东
%J 中山大学学报（自然科学版）
%D 2016
%X 摘要 从新的角度理解分类，提出一种有效的用于数据挖掘分类任务的方法—基于影响函数的分类方法（Classification Based on Influential Function，CBIF）．CBIF首先定义了影响函数，然后利用影响函数考察已知类标号样本对未知类标号样本x的影响，对x影响越大，表明x与该样本越相似，综合考虑各个类对x的影响，最后，对x影响最大的类决定了x的类标号．本文设计了指数影响函数，将其用于CBIF方法并给出基于指数影响函数的分类算法，基于UCI数据集上的实验结果表明，CBIF方法提高了分类的性能，与传统的分类方法相比，该方法也显示出明显优势
%K 分类
%K 影响函数
%K 支持向量机
%K 神经网络
%K 决策树
%U http://xwxt.sict.ac.cn/CN/abstract/abstract3294.shtml