一种改进的 KNN 文本分类算法

• 作者: 樊存佳 汪友生 边航
• 来源期刊: 国外电子测量技术
• 学科: 工学
• 关键词: 文本分类 KNN 裁剪训练样本 代表度函数
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 研究与开发
• 页码范围: 39-43
• 页数: 5页
• 分类号: TP391
• 字数: 4474字
• 语种: 中文

摘要

当今大数据时代，文本数据占相当大的比重，作为有效管理和组织文本数据的方法，分类逐渐成为关注的热点。KNN是一种经典的分类算法，针对其分类速度和分类精度无法同时兼顾的不足，采用改进的 K‐Medoids聚类算法裁剪对KNN分类贡献小的训练样本，从而减少KNN相似度的计算量，并定义代表度函数有差别地处理测试文本的 K个最近邻文本，以提高KNN的分类精度。实验结果表明，改进后的方法在分类速度上和分类精度上均有明显地提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪友生	北京工业大学电子信息与控制工程学院	48	435	11.0	19.0
2	边航	北京工业大学电子信息与控制工程学院	4	71	4.0	4.0
3	樊存佳	北京工业大学电子信息与控制工程学院	2	54	2.0	2.0