一种新颖的基于马氏距离的文本分类方法的研究

• 作者: 张素莉 潘欣
• 来源期刊: 长春工程学院学报（自然科学版）
• 学科: 工学
• 关键词: 马氏距离 KNN分类器 文本分类器
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 信息技术及应用
• 页码范围: 102-105
• 分类号: TP391
• 字数: 2290字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-8984.2011.02.027

摘要

KNN(k最近邻算法)是文本挖掘领域最成熟最简单的分类方法之一.该方法对文本分类中的距离参数的选取敏感,错误的选择将导致分类精度降低,影响最终分类效果,该缺陷限制了KNN分类器在文本数据挖掘中的应用.因此,本文将马氏距离引入到文本分类领域,并将其与KNN算法相结合,提出了一种基于马氏距离的新的文本分类方法(Mahalanobis distance-KNN,MDKNN),该方法克服KNN算法对距离函数的敏感性.实验表明,与传统的KNN和Naive Bayes分类算法相比,该方法在文本分类的精度和稳定性上有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张素莉	长春工程学院电气与信息工程学院	30	85	5.0	8.0
2	潘欣	长春工程学院电气与信息工程学院	17	28	3.0	4.0