基于DBSCAN聚类的改进KNN文本分类算法

摘要：

K最近邻算法(KNN)在分类时,需要计算待分类样本与训练样本集中每个样本之间的相似度.当训练样本过多时,计算代价大,分类效率降低.因此,提出一种基于DBSCAN聚类的改进算法.利用DBSCAN聚类消除训练样本的噪声数据.同时,对于核心样本集中的样本,根据其样本相似度阈值和密度进行样本裁剪,以缩减与待分类样本计算相似度的训练样本个数.实验表明此算法能够在保持基本分类能力不变的情况下,有效地降低分类计算量.

关键词：K最近邻、文本分类、样本裁剪

所属期刊栏目：13

分类号：TP391.11(计算技术、计算机技术)

资助基金：教育部科学技术研究重点项目208148;琼台师范高等专科学校项目qtkz201006

在线出版日期：2013-04-01（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：219-222