Class Conditional Nearest Neighbor for Large Margin Instance Selection 

Marchiori, E.;
Pattern Analysis and Machine Intelligence, IEEE Transactions on
Volume: 32 , Issue: 2
Digital Object Identifier: 10.1109/TPAMI.2009.164 
Publication Year: 2010 , Page(s): 364 - 370

IEEE Journals

Abstract  |  Full Text: PDF (1703 KB)

方法：

讲的是如何从训练集中选择“好”的样本，使得最紧邻分类器的分类率最大。

具体地，定义了两个图，来描述样本的最紧邻的关系；然后从每个样本的如度定义一个分数，分数越低，说明这个样本越“离谱”；最后，根据分数排序，用一个迭代的算法，把能最大化Margin的样本选择出来。

这只是考虑了分类性能，还有很多样本对分类起不了多少作用的，再根据上面的两个图来筛选掉。

启示：

1.样本选择是个不错的方法，原文是为了NN而选择，我可以为了KNN选择

2.作者提出的建立图的方法，进行打分，倒是非常意思。作者也说了，可以根据这种打分来做特征选择和学习距离。这样的话，只要能最大化一个基于此分数的标准就可以了。

3.根据这种得分，对检索得到的样本进行排序，把“不靠谱”的排在后面，可以提高检索的准确率。

作者是一个荷兰女学者，名叫Elena Marchiori，主页是：http://www.cs.ru.nl/~elenam/