基于样本密度加权的神经网络分类器在文本分类中的应用

• 作者: 廖一星
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: k最近邻密度估计 神经网络 文本分类
• 年，卷（期）: 2009,（9）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 234-236,239
• 页数: 4页
• 分类号: TP3
• 字数: 4279字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2009.09.076

摘要

为了提高文本分类精度,根据训练集的样本密度的不同,提出了一种基于k最近邻密度估计的样本加权算法,从而使得样本密度较大的样本权重得到加强,处于样本密度平均水平的样本权重保持不变,而样本密度较小的样本权重得到减弱.并将这种方法所构成的神经网络分类器用于文本分类.实验结果表明,这种方法可以在一定程度上提高文本分类精度,优于原始的未加权的分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖一星	浙江财经学院信息学院	7	22	2.0	4.0