| 文本分类中基于训练样本空间分布的K近邻改进算法 |
| |
| 引用本文： | 刘海峰,刘守生,姚泽清.文本分类中基于训练样本空间分布的K近邻改进算法[J].情报学报,2013,32(1). |
| |
| 作者姓名： | 刘海峰 刘守生 姚泽清 |
| |
| 作者单位： | 解放军理工大学理学院,南京,210007 |
| |
| 基金项目： | 国家自然科学基金资助项目 |
| |
| 摘 要： | KNN算法是文本分类中广泛应用的算法.作为一种基于实例的算法,训练样本的数量和分布位置影响KNN分类器分类性能.合理的样本剪裁以及样本赋权方法可以提高分类器的效率.提出了一种基于样本分布状况的KNN改进模型.首先基于样本位置对训练集进行删减以节约计算开销,然后针对类偏斜现象对分类器的赋权方式进行优化,改善k近邻选择时大类别、高密度训练样本的占优现象.试验结果表明,本文提出的改进KNN文本分类算法提高了KNN的分类效率.
|
| 关 键 词： | K最近邻 类偏斜 样本剪裁 文本分类 |
An Improved KNN Text Categorization Algorithm Based on the Training Samples Distribution |
| |
| Liu Haifeng
,
Liu Shousheng
,
Yao Zeqing.An Improved KNN Text Categorization Algorithm Based on the Training Samples Distribution[J].Journal of the China Society for Scientific andTechnical Information,2013,32(1). |
| |
| Authors: | Liu Haifeng Liu Shousheng Yao Zeqing |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
