基于聚类和密度的KNN分类器训练样本约减方法

摘要：

提出了一种基于聚类和密度的KNN分类器训练样本约减方法.使用KNN分类器进行文本分类的时侯,由于训练样本在类别内分布的不均匀,会造成分类准确性的下降,而且相似度计算量非常大.新方法根据训练样本的密度采用聚类的方法,约减了一定数量的"噪声"样本.实验表明,使用该方法能同时提高KNN分类器的准确率和效率.

关键词：K近邻法、样本聚类、样本密度

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：河南省科技攻关项目0324220024

在线出版日期：2009-06-17（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：10-12