基于聚类和密度的KNN分类器训练样本约减方法
艾英山
张德贤
1.河南工业大学信息科学与工程学院,郑州,4500012.河南工业大学信息科学与工程学院,郑州,450001
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
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)
论文发表日期：2009-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：3( 10-12 )
英文信息