基于knn模型的层次纠错输出编码算法

？纠错输出编码是一种解决多类分类问题的有效方法，但其编码矩阵只对类进行编码且都采用事先构造出来的统一形式，适应性较差。为此，提出一种新颖的层次纠错输出编码算法。该算法在训练阶段先通过knn模型算法在数据集上构建多个同类簇，选取各类中最具代表性的簇形成层次编码矩阵，然后再根据编码矩阵进行单分类器训练。在测试阶段,该算法通过模型融合进一步发挥knn模型和纠错输出编码各自的优点。在uci公共数据集上的实验结果表明,新方法的性能优于knn模型算法和纠错输出编码算法。