信息修改的 K 最近邻算法
原文中文,约300字,阅读约需1分钟。发表于: 。提出了一种新的分类方法,名为信息修正 KNN(IMKNN),通过引入互信息(MI)来提高 K - 最近邻算法(KNN)的性能,并从合作博弈论中的 Shapley 值概念汲取灵感,以优化价值分配。实验结果表明,在不同数据集和评判标准下,IMKNN 始终优于其他方法,突出了其在各种分类任务中的优越性能,凸显了 IMKNN 在增强 KNN 算法能力方面的潜力。
本文介绍了深度聚类中相互信息作为无监督训练神经网络的客观标准的最大化并不能得到令人满意的聚类结果,并将核心距离更改为常见的挑战导致的原因。通过引入广义相互信息 (GEMINI) 来推广相互信息,它是一组用于无监督神经网络训练的指标。最后,强调 GEMINI 可以自动选择相关的聚类数目,这是在深度判别聚类上很少研究的一个特性,因为聚类数目是先验未知的。