基于特征选择及Condensing技术的文本取样

• 作者: 徐和祥 王述云 胡运发 郝秀兰 陶晓鹏
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 文本分类 k-近邻(kNN) 取样 特征选择 Condensing算法
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 709-717
• 页数: 9页
• 分类号: TP391
• 字数: 7943字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2009.05.006

摘要

作为一种基于实例的方法,k-近邻(kNN)分类器有大量的计算及存储需求.同时,训练数据分布的不均衡,也会导致kNN分类器的性能下降.针对这些缺陷,文中提出特征选择与Condensing技术相结合的取样方法,以达到下述目的.在减少kNN分类的计算量及存储量的同时,保证分类器的性能.首先由传统的特征选择方法产生训练集里每类训练数据的特征.再根据文档自身的类特征,结合Condensing策略移去多余的训练实例.大量实验表明,用该方法所取得的样本作为训练集,不仅极大减少kNN方法的时空开销,而且降低噪声,提高分类器性能.

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	复旦大学计算机科学与技术学院	150	3430	27.0	54.0
2	陶晓鹏	复旦大学计算机科学与技术学院	19	564	7.0	19.0
3	王述云	复旦大学计算机科学与技术学院	6	56	3.0	6.0
4	郝秀兰	复旦大学计算机科学与技术学院	7	33	3.0	5.0