多密度鲁棒
采用相对邻域度量分类不确定性，用统一半径处理密度差异大的数据，降低对邻域半径和多密度数据的敏感性。
An S. · Yanan, Zhang · Wang C.
Pattern Recognition 2025
相对邻域用统一邻域半径有效处理密度差异大的数据，避免为不同密度区域分别设置半径。
模型降低了对邻域半径的敏感性，不需要精细调参也能获得稳定结果。
基于该模型设计了特征选择和鲁棒分类算法，并通过实验验证了可行性和效率。