EANK用遗传算法优化k-NN邻域选择
热点事件观察中
EANK用遗传算法优化k-NN邻域选择
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Isaac Touza 提出 EANK（Evolutionary Adaptive Neighborhood K），用低维策略把密度、标签熵、投票边际等局部邻域特征映射为每个样本自适应的邻居数 k(x)，再用实数编码精英遗传算法结合留一法准确率和邻域平滑惩罚来优化该策略。 在合成数据和十二个公开数据集上，嵌套交叉验证显示 EANK 与调优的全局 k 基线表现相当，并优于默认 k=5。
AI 根据报道生成 · 5 小时前更新
最新进展11月5日 08:14
EANK：用遗传算法优化 k-NN 的实例自适应邻域选择报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv · cs.AIEANK：用遗传算法优化 k-NN 的实例自适应邻域选择
EANK（Evolutionary Adaptive Neighborhood K）用低维策略将密度、标签熵、投票边际等局部邻域特征映射为实例自适应的邻居数 k(x)，并以实数编码精英遗传算法结合留一法准确率与邻域平滑惩罚优化该策略。在合成数据与十二个公开数据集上，EANK 在嵌套交叉验证下与调优的全局 k 基线表现相当，并优于默认 k=5。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 511月6日 11:00
- 近 24 小时变化
- –
0246
11:0012:0013:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。