一种改进的最近邻分类器
计算机视觉与模式识别
2023-02-14 v2
摘要
本文描述了一种用于图像的最近邻（WNN）分类器的加窗版本。虽然其构造受人工神经网络架构的启发，但其底层理论框架基于逼近论。我们在手写数字图像数据集 MNIST 和 EMNIST 上展示 WNN。为了校准 WNN 的参数，我们首先在经典 MNIST 数据集上研究它，然后将这些参数下的 WNN 应用于具有挑战性的 EMNIST 数据集。结果表明，WNN 对 EMNIST 图像的误分类率为 0.42%，因此显著优于误差均超过 1.3% 的人类预测和浅层 ANN。
引用
@article{arxiv.2204.13141,
title = {An Improved Nearest Neighbour Classifier},
author = {Eric Setterqvist and Natan Kruglyak and Robert Forchheimer},
journal= {arXiv preprint arXiv:2204.13141},
year = {2023}
}