一种改进的KNN文本分类算法

被引：25

作者：

樊存佳

汪友生

边航

机构：

[1] 北京工业大学电子信息与控制工程学院

来源：

国外电子测量技术 | 2015年 / 34卷 / 12期

关键词：

文本分类; KNN; 裁剪训练样本; 代表度函数;

D O I：

10.19652/j.cnki.femt.2015.12.010

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

当今大数据时代,文本数据占相当大的比重,作为有效管理和组织文本数据的方法,分类逐渐成为关注的热点。KNN是一种经典的分类算法,针对其分类速度和分类精度无法同时兼顾的不足,采用改进的K-Medoids聚类算法裁剪对KNN分类贡献小的训练样本,从而减少KNN相似度的计算量,并定义代表度函数有差别地处理测试文本的K个最近邻文本,以提高KNN的分类精度。实验结果表明,改进后的方法在分类速度上和分类精度上均有明显地提高。

引用

收藏

页码：39 / 43

页数：5

相关论文

共 19 条

[1] 基于K-Medoids聚类的改进KNN文本分类算法 [J].

罗贤锋 ;

祝胜林 ;

陈泽健 ;

袁玉强 .

计算机工程与设计, 2014, 35 (11) :3864-3867+3937

[2] 基于K最近邻分类的无线传感器网络定位算法 [J].

石欣 ;

印爱民 ;

张琦 .

仪器仪表学报, 2014, 35 (10) :2238-2247

[3] 高光谱影像的多核SVM分类 [J].

谭熊 ;

余旭初 ;

秦进春 ;

魏祥坡 .

仪器仪表学报, 2014, 35 (02) :405-411

[4] 基于DBSCAN聚类的改进KNN文本分类算法 [J].

苟和平 ;

景永霞 ;

冯百明 ;

李勇 .

科学技术与工程, 2013, 13 (01) :219-222

[5] 蚁群K-medoids融合的聚类算法 [J].

赵烨 ;

黄泽君 .

电子测量与仪器学报, 2012, 26 (09) :800-804

[6] 文本分类中基于K-means的类偏斜KNN样本剪裁 [J].

刘海峰 ;

姚泽清 ;

苏展 ;

张学仁 .

微电子学与计算机, 2012, 29 (05) :24-28

[7] 特征联合熵的一种改进K近邻分类算法 [J].

周靖 ;

刘晋胜 .

计算机应用, 2011, 31 (07) :1785-1788+1792

[8] 一种高效的K-medoids聚类算法 [J].

夏宁霞 ;

苏一丹 ;

覃希 .

计算机应用研究, 2010, 27 (12) :4517-4519

[9] 基于聚类算法的KNN文本分类算法研究 [J].

江涛 ;

陈小莉 ;

张玉芳 ;

熊忠阳 .

计算机工程与应用 , 2009, (07) :153-155+158

[10] 一种改进的KNN Web文本分类方法 [J].

吴春颖 ;

王士同 .

计算机应用研究, 2008, (11) :3275-3277