流形上的k最近邻分类方法

？针对分类数据中存在噪声样本和维数问题，提出了流形上的k最近邻方法。首先，利用贝叶斯公式对经典k最近邻方法进行扩展，并采用核概率密度方法估计样本的局部联合概率密度；其次，建立噪声样本点对模型，并构建改进的边际本征图和相应的权值矩阵，通过定义目标函数寻找最优降维映射矩阵；最后，提出一个完整的流形上k最近邻算法。与6种经典方法在12个常用数据集上的实验比较表明，在大多数情况下所提方法的分类性能要优于其他方法。