一种基于特征加权的KNN文本分类算法

摘要：

KNN文本分类算法是一种简单、有效、非参数的分类方法.针对传统的KNN文本分类算法的不足,出现了很多改进的KNN算法.但改进的KNN分类算法大多数是建立在样本选择的善础上.即以损失分类精度换取分类速度.针对传统的KNN文本分类算法的不足,提出一种善于特征加权的KNN文本分类算法(KNNFW),该算法考虑各维特证对模式分类贡献的不同,给不同的特征赋予不同的权值,提高重要特征的作用,从而提高了算法的分类精度.最后给出实验结果并对实验数据进行分析得出结论.

关键词：特证加权、K最近邻、文本分类、特征选取

分类号：TP391.1(计算技术、计算机技术)

资助基金：教育部社科研究基金青年项目07JC870006;安徽省哲学社会科学规划项目基金AHSKF07-08D03;安徽财经大学教研重点项目ACJYZD200914

在线出版日期：2010-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：84-86