基于聚类降维的改进KNN文本分类

• 作者: 刘守生 刘海峰 姚泽清 苏展
• 来源期刊: 科技与创新
• 关键词: 特征降维 聚类 文本分类 K平均 K近邻
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 博士论坛
• 页码范围: 18-20
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.2095-6835.2010.03.008

摘要

特征向量的高维性以及训练样本分布不均影响文本分类器性能.提出了一种聚类模式下的KNN改进方法.首先使用一种改进的k-mean聚类方法对文本特征集进行初步筛选,随后使用一种基于类别的改进KNN分类器进行分类,减少了噪声样本对测试样本类别判定的干扰.试验结果表明本文提出的分类模型在分类效率上得到提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚泽清	解放军理工大学理学院	54	344	12.0	15.0
2	苏展	解放军理工大学理学院	10	125	5.0	10.0
3	刘海峰	解放军理工大学理学院	64	473	14.0	19.0
4	刘守生	解放军理工大学理学院	50	311	10.0	15.0