FuzzyKNN matlab code

本文介绍了一种改进的K近邻算法——模糊K近邻(fuzzy KNN)的实现方法。该算法通过考虑距离权重及模糊参数调整来提高分类准确性。在训练样本集上进行搜索,计算测试样本与训练样本之间的欧氏距离,并基于距离计算每个测试样本的交互与非交互得分,最终确定预测标签。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

function predict_labels = fuzzyKNN(train_samples, k, fa, test_features)
% train_samples : samples_num * (feature_num + 1)
    feature_numPlus1 = size(train_samples, 2);
    train_features = train_samples(:, 1:feature_numPlus1-1);
    train_labels = train_samples(:, feature_numPlus1);
    [idx, dists] = knnsearch(train_features,test_features,'dist','euclidean','k', k);
    
    predict_labels = zeros(size(test_features, 1), 1);
    for tst = 1:size(test_features, 1)
        score_interaction = 0.0;
        score_noninteraction = 0.0;
        for R=1:10
            if train_labels(idx(tst, R), 1) == 1
                score_interaction = score_interaction + dists(tst, R).^(-2/(fa-1));
            else
                score_noninteraction = score_noninteraction + dists(tst, R).^(-2/(fa-1));
            end
        end
        if score_interaction > score_noninteraction
            predict_labels(tst, 1) = 1.0;
        else
            predict_labels(tst, 1) = 2.0;
        end
    end
end

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Jun-H

你的鼓励是我创作的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值