论文部分内容阅读
交叉覆盖算法分类时着重在于两类的交界部分,混杂在另外一类中往往无助于提高分类器的效率,反而会增加分类器的计算负担。本文提出一种基于交叉覆盖算法的最近邻交叉覆盖算法（NN-ACA）：对进行训练的原始样本数据进行预处理,删除这些不同类的最近邻点,得到精简后的样本集,再对该样本集使用交叉覆盖算法。文章在介绍算法的同时,给出了相关实验数据,并对其和SVM进行了讨论,结果表明NN-ACA在一定的样本规模表现了速度和分类正确性上的优越性。