基于Rocchio和KNN提出的新的文本分类技术

• 作者: 张激 游飞 王盼盼 王金华 邱定
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: KNN Rocchio SVM 文本分类 区域划分
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 自动化应用
• 页码范围: 107-110
• 页数: 4页
• 分类号: TP312
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2017.08.107

摘要

针对Rocchio算法分类效果不理想,限定于对可划分空间地分类,和KNN对K值的选取过于依赖这些缺陷,提出了一个通过为整个分类空间建立不止一个代表的方法,并且根据数据集的具体数据分布,为整个分类空间建立不同个数的分类代表.有效解决了Rocchio线性地划分实例空间的造成数据划分不合理的问题,由构造的代表和每个类泛化的实例创建的分类模型有效提高了分类效率,而且解决了分类准确度依赖人工给定K值的问题,提高了分类的准确度.通过在20-newsgroup和Reuters-21578两个数据集上的实验,实验结果显示新的算法远优于Rocchio和KNN分类算法,与选择的基准比较算法SVM相比效果略优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张激	中国电子科技集团公司第三十二研究所	14	24	3.0	4.0
2	邱定	中国电子科技集团公司第三十二研究所	1	5	1.0	1.0
3	王金华	中国电子科技集团公司第三十二研究所	6	26	3.0	5.0
4	王盼盼	中国电子科技集团公司第三十二研究所	3	6	1.0	2.0
5	游飞	中国电子科技集团公司第三十二研究所	1	5	1.0	1.0