基于类中心向量的改进KNN算法

论文发布时间：[2010-05-04] 范文大全编辑：Voive.net

所有作者：郭茂

作者单位：大连理工大学计算机科学与技术学院

论文摘要：本文提出了基于类中心向量的K最近邻(KNN)算法，解决了对待分类文本进行类标识时，KNN算法的执行效率受训练文本集和测试文本集规模制约的问题。从缩减训练集规模的角度出发，在训练阶段利用训练集的类中心建立初级分类器，并在分类阶段将其应用于KNN算法，实质是利用待分类文本与训练文本类中心向量距离的权值大小，以类为单位删减掉那些小于设定阈值的类中的训练文本，以此来缩小训练集规模，进而减少KNN算法中相似度的计算量，加快执行速度。实验表明本文算法可以有效地缩减训练文本数量，通过选取合适的阈值，可以使分类性能较KNN算法降低不足０。５％的情况下，时间开销节省５０％左右。

关键词：文本分类 KNN 相似度类中心向量

免费下载《基于类中心向量的改进KNN算法》PDF全文（已停止下载）
　　本站“论文下载”文章收集整理于“中国科技论文在线”，由于各种原因，本站已暂停论文下载！请前往“中国科技论文在线http://www.paper.edu.cn/”免费下载！

〖返回计算机科学论文列表〗

下一篇：高性能透明域间通信系统 VSI的设计与实现