论文研究 对象分类的分类属性成对频率矩阵

提出了两种新的分类属性分类算法。 这些算法是基于以下假设得出的：不同对象类别的属性具有不同的概率分布。 一种算法基于属性频率的分布对对象进行分类，另一种算法基于使用成对频率矩阵描述的成对属性频率的分布对对象进行分类。 两种算法均基于不变式方法，该方法提供了最简单的依赖性，可通过其属性的平均频率来估计每个类别中的对象的概率。 估计的对象类别对应于最大概率。 该方法反映了动物的感觉过程模型，旨在通过在大脑中积累的信息中搜索原型来识别物体类别。 由于这些矩阵可能是稀疏的，因此无法确定某些对象的解决方案。 对于这些对象，提供了k最近邻方法的模拟，其中，对于每个属性值，确定训练样本中大多数k最近对象所属