位置:成果数据库 > 期刊 > 期刊详情页
文本分类中基于K-means的类偏斜KNN样本剪裁
  • ISSN号:1000-7180
  • 期刊名称:《微电子学与计算机》
  • 时间:0
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]解放军理工大学理学院,江苏南京210007
  • 相关基金:国家自然科学基金项目(71071161)
中文摘要:

KNN算法是经典的文本分类算法.训练样本的数量和类别密度是影响算法性能的主要瓶颈,合理的样本剪裁可以提高分类器效率.文中提出了一种基于聚类的改进KNN分类模型.首先对训练集进行聚类,基于测试样本与簇之间的相对位置对训练集进行合理裁剪以节约计算开销;然后基于簇内样本分布进行样本赋权,改善大类别样本的密度占优现象.实验结果表明,本文提出的样本剪裁方法提高了KNN算法的分类性能.

英文摘要:

KNN is one of the classical algorithms in text categorization. The number of training samples and the density is the primary bottleneck on the algorithm. A reasonable method for reducing the amount of training data can improve the efficiency of classification. This paper proposes an improved KNN model basing on clustering. Firstly, by clustering the samples into clusters, we remove some samples from training set basing on the distance in order to save computing cost. Secondly, take into account the category distribution we bring up a better weighting method in order to overcome the defect that the bigger class of training samples dominated in KNN. The result of test shows that the improved KNN classification algorithm improves the efficiency of its classification.

同期刊论文项目
期刊论文 62 著作 2
同项目期刊论文
期刊信息
  • 《微电子学与计算机》
  • 中国科技核心期刊
  • 主管单位:中国航天科技集团公司
  • 主办单位:中国航天科技集团公司第九研究院第七七一研究所
  • 主编:李新龙
  • 地址:西安市雁塔区太白南路198号
  • 邮编:710065
  • 邮箱:mc771@163.com
  • 电话:029-82262687
  • 国际标准刊号:ISSN:1000-7180
  • 国内统一刊号:ISSN:61-1123/TN
  • 邮发代号:52-16
  • 获奖情况:
  • 航天优秀期刊,陕西省优秀期刊一等奖
  • 国内外数据库收录:
  • 荷兰文摘与引文数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:17909