KNN文本分类算法研究

被引：22

作者：

杨丽华 ^{[1
]}

戴齐 ^{[1
]}

郭艳军 ^{[2
]}

机构：

[1] 西南交通大学信息科学与技术学院

[2] 西南交通大学超导研究开发中心

来源：

微计算机信息 | 2006年 / 21期

关键词：

文本分类; KNN; 向量空间模型;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

KNN(K-NearestNeighbour)是向量空间模型中最好的文本分类算法之一。文中介绍了KNN算法的基本思想,归纳了针对KNN算法的不足而提出的改进算法。对KNN文本分类算法的理论研究和实际应用起了指导作用。

引用

页码：269 / 270+185 +185

页数：3

共 5 条

[1] 基于改进KNFL算法的海量文本分类研究 [J].

张先飞 ;

李弼程 ;

刘安斐 .

微计算机信息, 2005, (21) :164-165+168

[2] 基于改进KNN的文本分类方法 [J].

钱晓东 ;

王正欧 ;

不详 .

情报科学 , 2005, (04) :550-554

[3] 基于SVM的特征加权KNN算法 [J].

陈振洲 ;

李磊 ;

姚正安 .

中山大学学报(自然科学版), 2005, (01) :17-20

[4] 基于Fuzzy ART的K-最近邻分类改进算法 [J].

徐晓颖 ;

王晓晔 ;

杜太行 .

河北工业大学学报, 2004, (06) :1-5

[5] 基于k-近邻方法的渐进式中文文本分类技术 [J].

袁方 ;

杨柳 ;

张红霞 .

华南理工大学学报(自然科学版), 2004, (S1) :88-91

← 1 →