論文の概要: Flexible K Nearest Neighbors Classifier: Derivation and Application for Ion-mobility Spectrometry-based Indoor Localization

• arxiv url: http://arxiv.org/abs/2304.10151v1
• Date: Thu, 20 Apr 2023 08:23:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-21 14:10:27.452193
• Title: Flexible K Nearest Neighbors Classifier: Derivation and Application for Ion-mobility Spectrometry-based Indoor Localization
• Title（参考訳）: フレキシブルK近傍分類器:イオン移動度分析に基づく屋内局在化の導出と応用
• Authors: Philipp M\"uller
• Abstract要約: K Nearest Neighbors (KNN) は指紋による局所化や医学など多くの分野で広く使われている。 この論文では、K近傍の近傍が実際に未標識標本に近いことを保証する新しいKNN変種が提案され、その途中でKが見つかる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The K Nearest Neighbors (KNN) classifier is widely used in many fields such as fingerprint-based localization or medicine. It determines the class membership of unlabelled sample based on the class memberships of the K labelled samples, the so-called nearest neighbors, that are closest to the unlabelled sample. The choice of K has been the topic of various studies and proposed KNN-variants. Yet no variant has been proven to outperform all other variants. In this paper a new KNN-variant is proposed which ensures that the K nearest neighbors are indeed close to the unlabelled sample and finds K along the way. The proposed algorithm is tested and compared to the standard KNN in theoretical scenarios and for indoor localization based on ion-mobility spectrometry fingerprints. It achieves a higher classification accuracy than the KNN in the tests, while requiring having the same computational demand.
• Abstract（参考訳）: K Nearest Neighbors (KNN)分類器は指紋による局所化や医学など多くの分野で広く使われている。 ラベルなしサンプルに最も近いkラベル付きサンプルのクラスメンバーシップに基づいて、ラベルなしサンプルのクラスメンバーシップを決定する。 Kの選択は様々な研究や提案されたKNN変異のトピックである。 しかし、他の全ての変種を上回ることは証明されていない。 この論文では、K近傍の近傍が実際に未標識標本に近いことを保証する新しいKNN変種が提案され、その途中でKが見つかる。 提案アルゴリズムは, 理論的シナリオにおいて標準KNNと比較し, イオン移動度スペクトロメトリ指紋に基づく屋内局在化を行う。 これは、同じ計算要求を必要とするにもかかわらず、試験中のknよりも高い分類精度を達成する。

関連論文リスト

• Adaptive $k$-nearest neighbor classifier based on the local estimation of the shape operator [49.87315310656657]
  我々は, 局所曲率をサンプルで探索し, 周辺面積を適応的に定義する適応型$k$-nearest(kK$-NN)アルゴリズムを提案する。 多くの実世界のデータセットから、新しい$kK$-NNアルゴリズムは、確立された$k$-NN法と比較してバランスの取れた精度が優れていることが示されている。
  論文  参考訳（メタデータ） (2024-09-08T13:08:45Z)
• A Novel Pseudo Nearest Neighbor Classification Method Using Local Harmonic Mean Distance [0.0]
  本稿では, LMPHNNと呼ばれる新しいKNN分類手法を紹介する。 LMPHNNはLMPNNルールとHMDに基づいて分類性能を向上させる。 平均精度は97%で、他の手法を14%上回る。
  論文  参考訳（メタデータ） (2024-05-10T04:13:07Z)
• Information Modified K-Nearest Neighbor [4.916646834691489]
  K-Nearest Neighbors (KNN) は、隣人によるサンプルの分類である。 多くのKNN手法は、従来のKNNを著しく上回らない複雑なアルゴリズムを導入している。 KNNアルゴリズムの性能向上のための情報修正KNN(IMKNN)を提案する。 12の広く使われているデータセットの実験を行い、11.05%、12.42%、精度12.07%、精度12.07%、リコール性能をそれぞれ達成した。
  論文  参考訳（メタデータ） (2023-12-04T16:10:34Z)
• Rethinking k-means from manifold learning perspective [122.38667613245151]
  平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。 具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。 異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
  論文  参考訳（メタデータ） (2023-05-12T03:01:41Z)
• Parametric Classification for Generalized Category Discovery: A Baseline Study [70.73212959385387]
  Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。 パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。 エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
  論文  参考訳（メタデータ） (2022-11-21T18:47:11Z)
• Local Sample-weighted Multiple Kernel Clustering with Consensus Discriminative Graph [73.68184322526338]
  マルチカーネルクラスタリング(MKC)は、ベースカーネルの集合から最適な情報融合を実現するためにコミットされる。 本稿では,新しい局所サンプル重み付きマルチカーネルクラスタリングモデルを提案する。 実験により, LSWMKCはより優れた局所多様体表現を有し, 既存のカーネルやグラフベースのクラスタリングアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2022-07-05T05:00:38Z)
• A k nearest neighbours classifiers ensemble based on extended neighbourhood rule and features subsets [0.4709844746265484]
  kNNベースのアンサンブル法は、不明瞭な観測に最も近い与えられた特徴空間におけるデータポイントの集合を識別することにより、外れ値の効果を最小化する。 そこで本論文では, 隣人がkステップで決定される, k近傍のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2022-05-30T13:57:32Z)
• Dynamic Ensemble Selection Using Fuzzy Hyperboxes [10.269997499911668]
  本稿では,FH-DESと呼ばれるファジィハイパーボックスに基づく動的アンサンブル選択(DES)フレームワークを提案する。 各ハイパーボックスは、2つのデータポイント(MinとMaxのコーナー)のみを使用してサンプルのグループを表現することができる。 それまでの融合法では観測されていなかった分類器の能力を評価するために、初めて誤分類されたサンプルが使用される。
  論文  参考訳（メタデータ） (2022-05-20T21:06:46Z)
• Rethinking Nearest Neighbors for Visual Classification [56.00783095670361]
  k-NNは、トレーニングセット内のテストイメージとトップk隣人間の距離を集約する遅延学習手法である。 我々は,教師付き手法と自己監督型手法のいずれでも,事前学習した視覚表現を持つk-NNを2つのステップで採用する。 本研究は,幅広い分類タスクに関する広範な実験により,k-NN統合の汎用性と柔軟性を明らかにした。
  論文  参考訳（メタデータ） (2021-12-15T20:15:01Z)
• Adaptive Nearest Neighbor Machine Translation [60.97183408140499]
  kNN-MTは、事前訓練されたニューラルネットワーク翻訳とトークンレベルのk-nearest-neighbor検索を組み合わせる。 従来のkNNアルゴリズムは、ターゲットトークンごとに同じ数の近傍を検索する。 ターゲットトークン毎のk個数を動的に決定する適応的kNN-MTを提案する。
  論文  参考訳（メタデータ） (2021-05-27T09:27:42Z)
• KNN Classification with One-step Computation [10.381276986079865]
  KNN分類の遅延部分を置き換える一段階計算を提案する。 提案手法を実験的に評価し,一段階のKNN分類が効率的かつ有望であることを示した。
  論文  参考訳（メタデータ） (2020-12-09T13:34:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。