一种基于密度的大边界最近邻文本分类方法

• 作者: 彭凯 杨煜普 魏岩
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 大边界最近邻 K近邻 密度 距离度量学习 文本分类
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 基金项目论文
• 页码范围: 83-85,159
• 页数: 4页
• 分类号: TP301
• 字数: 3458字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.07.023

摘要

距离的度量方法是影响K近邻分类算法的最重要因素,普通的欧式距离度量方法只对数值敏感无法反映数据内部的关联,对此在K近邻文本分类中引入一种大边界最近邻(LMNN)距离度量学习算法,并针对此算法会加剧数据密度分布不均的情况,提出一种改进的基于样本密度的大边界最近邻文本分类算法(DLMNNC).该算法首先利用LMNN完成对样本集的训练得到映射矩阵L对原数据空间进行重构,然后为了解决LMNN算法可能会加剧样本分布不均匀的问题定义一个密度函数D,最后用密度函数结合K近邻决策条件,实现文本分类.实验证明DLMNNC在很大程度上提高了文本分类精度.