面向 kNN 图构建的分布感知自适应方法
机器学习
2023-11-13 v3 信息检索
社会与信息网络
摘要
基于图的 kNN 算法因其简洁有效而在机器学习任务中广受欢迎。然而，由于真实数据常具有复杂分布，传统 kNN 图依赖统一 k 值会制约其性能。该挑战背后的关键因素在于决策边界上模糊样本的存在，其难免更易被误分类。为此，我们提出分布感知自适应 kNN 图（DaNNG），将自适应 kNN 与分布感知图构建相结合。通过引入分布近似并定制 k 自适应准则，DaNNG 可显著改善模糊样本上的表现，从而提升整体准确率与泛化能力。在多个基准数据集上的严谨评估表明，DaNNG 优于当前最优算法，展现出跨多种真实场景的适应性与有效性。
引用
@article{arxiv.2308.02442,
title = {Distribution-Informed Adaptation for kNN Graph Construction},
author = {Shaojie Min and Ji Liu},
journal= {arXiv preprint arXiv:2308.02442},
year = {2023}
}