基于聚类和密度的KNN分类器训练样本约减方法

• 作者: 张德贤 艾英山
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: K近邻法 样本聚类 样本密度
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 算法与分析
• 页码范围: 10-12
• 页数: 3页
• 分类号: TP391
• 字数: 2601字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2009.05.003

摘要

提出了一种基于聚类和密度的KNN分类器训练样本约减方法.使用KNN分类器进行文本分类的时侯,由于训练样本在类别内分布的不均匀,会造成分类准确性的下降,而且相似度计算量非常大.新方法根据训练样本的密度采用聚类的方法,约减了一定数量的"噪声"样本.实验表明,使用该方法能同时提高KNN分类器的准确率和效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张德贤	河南工业大学信息科学与工程学院	88	431	10.0	17.0
2	艾英山	河南工业大学信息科学与工程学院	4	20	2.0	4.0