EANK：遗传算法优化kNN逐样本自适应k值
热点事件持续更新
EANK：遗传算法优化kNN逐样本自适应k值
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Isaac Touza、Kaladzavi Guidedi 和 Kolyang 在 arXiv 论文（arXiv:2611.07257）中提出 EANK 方法：用低维策略将密度、标签熵、投票边际、集中度等局部邻域描述子映射为逐样本自适应邻居数 k(x)，并用实数编码精英遗传算法结合留一法精度与邻域平滑性惩罚来优化该策略。 在嵌套交叉验证下，EANK 相对调优过的全局 k 基线表现具竞争力，并优于默认 k=5。实验覆盖合成数据与十二个公开数据集。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
EANK：用遗传算法优化最近邻分类中逐样本自适应 k 值报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIEANK：用遗传算法优化最近邻分类中逐样本自适应 k 值
arXiv 论文提出 EANK（Evolutionary Adaptive Neighborhood K），用低维策略将局部邻域描述子（密度、标签熵、投票边际、集中度）映射为逐样本自适应邻居数 k(x)，并以实数编码精英遗传算法结合留一法精度与邻域平滑性惩罚优化该策略。在嵌套交叉验证下，EANK 相对调优的全局 k 基线表现具竞争力，并优于默认 k=5，实验覆盖合成数据与十二个公开数据集。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。