热点事件持续更新
研究团队提出EANK自适应k近邻分类算法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年11月6日，研究者在 arXiv 发表论文，提出用于 k-NN 分类的自适应邻域方法 EANK。该方法采用实数编码精英遗传算法，将局部密度、标签熵等描述符映射为实例相关的自适应邻居数 k(x)。为兼顾效果与效率，EANK 以留一法准确率结合邻域平滑度惩罚作为优化目标，并通过预计算邻居投票来降低评估计算成本。在合成数据及 12 个公开数据集的嵌套交叉验证中，EANK 的分类表现优于默认的 k=5，且性能与经过精调的全局 k 基线相当。
AI 根据报道生成 · 4 小时前更新
最新进展11月6日 13:00
研究者提出EANK自适应k近邻分类算法，利用遗传算法为每个样本自适应优化邻居数k。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv 机器学习EANK：用于 k-NN 分类中实例自适应 k 优化的遗传算法
研究者提出自适应邻域方法 EANK，通过实数编码精英遗传算法，将局部密度、标签熵等描述符映射为实例相关的自适应邻居数 k(x)。该方法以留一法准确率结合邻域平滑度惩罚作为优化目标，并预计算邻居投票以降低评估计算成本。在合成数据及 12 个公开数据集的嵌套交叉验证中，EANK 表现优于默认的 k=5，且性能与精调后的全局 k 基线相当。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–
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。