基于粗糙集的快速KNN文本分类算法

• 作者: 卫志华 孙荣宗 李文 苗夺谦
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本分类 K最近邻 粗糙集
• 年，卷（期）: 2010,（24）
• 页码范围: 175-177
• 分类号: TP391
• 字数: 3530字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2010.24.063

摘要

传统K最近邻一个明显缺陷是样本相似度的计算量很大,在具有大量高维样本的文本分类中,由于复杂度太高而缺乏实用性.为此,将粗糙集理论引入到文本分类中,利用上下近似概念刻画各类训练样本的分布,并在训练过程中计算出各类上下近似的范围.在分类过程中根据待分类文本向量在样本空间中的分布位置,改进算法可以直接判定一些文本的归属,缩小K最近邻搜索范围.实验表明,该算法可以在保持K最近邻分类性能基本不变的情况下,显著提高分类效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苗夺谦	同济大学电子与信息工程学院计算机科学与技术系	123	2389	25.0	44.0
5	卫志华	同济大学电子与信息工程学院计算机科学与技术系	17	129	7.0	11.0
9	李文	同济大学电子与信息工程学院计算机科学与技术系	9	134	5.0	9.0
10	孙荣宗	同济大学电子与信息工程学院计算机科学与技术系	3	65	2.0	3.0