基于类别选择的改进KNN文本分类

摘要：

特征高维性以及算法的泛化能力影响了KNN分类器的分类性能.提出了一种降维条件下基于类别的KNN改进模型,解决了k近邻选择时大类别、高密度样本占优问题.首先使用一种改进的优势率方法进行特征选择,随后使用类别向量对文本类别进行初步判定,最后在压缩后的样本集上使用KNN分类器进行分类.试验结果表明,提出的改进分类模型提高了分类效率.

关键词：k-最近邻、特征降维、特征选择、文本分类

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科基金项目70571087

在线出版日期：2010-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：213-216