粗糙集近似集的KNN文本分类算法研究

• 作者: 张清华 杨帅华
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: KNN算法 文本分类 粗糙集 分类效率
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 2192-2196
• 页数: 5页
• 分类号: TP391
• 字数: 5824字
• 语种: 中文

摘要

在中文文本分类中,KNN文本分类算法因具有算法简单、有效以及准确率高等特点,被认为是一种较好的文本分类算法.但KNN算法有一个明显缺陷,当样本数据规模较大时,该算法的分类效率明显降低.通过引入粗糙集的近似集模型,计算训练样本集中各个样本类别的上近似空间和λ近似空间,在分类中根据待分类文本向量在样本空间中的分布位置,可以直接判定一些文本的类别,减少分类时间.实验表明,在阈值λ取值合适的情况下,该算法可以保持KNN算法分类精度基本不变,同时显著的提高分类效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张清华	重庆邮电大学计算智能重庆市重点实验室	69	1122	17.0	32.0
2	杨帅华	重庆邮电大学计算智能重庆市重点实验室	1	18	1.0	1.0