基于中心向量的多级分类KNN算法研究

摘要：

针对KNN算法在中文文本分类时的两个不足:训练样本分布不均,分类时计算开销大的问题,在已有改进算法的基础上进行了更深入的研究,提出多级分类KNN算法.算法首先引入基于密度的思想对训练样本进行调整,通过样本裁减技术使样本分布更趋于理想的均匀状态,同时计算各类别的类中心向量.在保证类中心向量准确性的前提条件下,使分类阶段的复杂计算提前到分类器的训练过程中.最后一级选用合适的m值(预选类别个数),根据最近邻思想对待分类文本进行所属类别判定.实验结果表明,该算法在不损失分类精度的情况下,不仅降低了计算复杂度,而且显著提高了分类速度.

关键词：文本分类、多级分类器、类中心向量、K最近邻

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61662043

在线出版日期：2017-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1758-1764