基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着全球信息化的出现,手工分类索引已经不适用于大规模信息的处理,自动分类的研究得到迅速发展.K-近邻法是具有一定效率的自动分类算法.本文将其与智能优化技术结合,用于基于机器学习的文本分类过程中.实验结果表明,对于庞大的文档集合分类,该算法提高了分类的速度和精度.
推荐文章
基于K-近邻树的离群检测算法
离群检测
离群簇
最小生成树
不相似性
K-近邻
基于K-近邻算法的业务量预测
K-近邻算法
业务量时间序列
预测
基于微粒群优化的图像分类方法研究
微粒群算法
K均值算法
图象分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于微粒群优化的快速K-近邻分类算法
来源期刊 山东科学 学科 工学
关键词 微粒群优化(PS0) K-近邻分类算法 特征向量
年,卷(期) 2009,(1) 所属期刊栏目
研究方向 页码范围 13-16
页数 4页 分类号 TP18
字数 3112字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘希玉 山东师范大学管理与经济学院 233 2140 21.0 36.0
2 林令娟 山东师范大学信息科学与工程学院 3 16 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (28)
参考文献  (9)
节点文献
引证文献  (6)
同被引文献  (25)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(6)
  • 参考文献(3)
  • 二级参考文献(3)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
微粒群优化(PS0)
K-近邻分类算法
特征向量
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
山东科学
双月刊
1002-4026
37-1188/N
大16开
山东省济南市科院路19号
1984
chi
出版文献量(篇)
2287
总下载数(次)
6
总被引数(次)
10350
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导