电脑学习
電腦學習
전뇌학습
COMPUTER STUDY
2010年
2期
84-86
,共3页
特证加权%K最近邻%文本分类%特征选取
特證加權%K最近鄰%文本分類%特徵選取
특증가권%K최근린%문본분류%특정선취
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.
KNN文本分類算法是一種簡單、有效、非參數的分類方法.針對傳統的KNN文本分類算法的不足,齣現瞭很多改進的KNN算法.但改進的KNN分類算法大多數是建立在樣本選擇的善礎上.即以損失分類精度換取分類速度.針對傳統的KNN文本分類算法的不足,提齣一種善于特徵加權的KNN文本分類算法(KNNFW),該算法攷慮各維特證對模式分類貢獻的不同,給不同的特徵賦予不同的權值,提高重要特徵的作用,從而提高瞭算法的分類精度.最後給齣實驗結果併對實驗數據進行分析得齣結論.
KNN문본분류산법시일충간단、유효、비삼수적분류방법.침대전통적KNN문본분류산법적불족,출현료흔다개진적KNN산법.단개진적KNN분류산법대다수시건립재양본선택적선출상.즉이손실분류정도환취분류속도.침대전통적KNN문본분류산법적불족,제출일충선우특정가권적KNN문본분류산법(KNNFW),해산법고필각유특증대모식분류공헌적불동,급불동적특정부여불동적권치,제고중요특정적작용,종이제고료산법적분류정도.최후급출실험결과병대실험수거진행분석득출결론.