基于密度的kNN文本分类器训练样本裁剪方法

• 作者: 李荣陆 胡运发
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 文本分类 kNN 快速分类
• 年，卷（期）: 2004,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 539-545
• 页数: 7页
• 分类号: TP391|TP18
• 字数: 5217字
• 语种: 中文

摘要

随着WWW的迅猛发展,文本分类成为处理和组织大量文档数据的关键技术 . kNN方法作为一种简单、有效、非参数的分类方法,在文本分类中得到广泛的应用 .但是这种方法计算量大,而且训练样本的分布不均匀会造成分类准确率的下降 .针对kNN方法存在的这两个问题,提出了一种基于密度的kNN分类器训练样本裁剪方法,这种方法不仅降低了kNN方法的计算量,而且使训练样本的分布密度趋于均匀,减少了边界点处测试样本的误判 .实验结果显示,这种方法具有很好的性能 .

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡运发	复旦大学计算机与信息技术系	150	3430	27.0	54.0
2	李荣陆	复旦大学计算机与信息技术系	12	908	8.0	12.0