微信公众号

网站二维码

首页 > 过刊浏览>2007年第16卷第11期 >127-128
PDF HTML阅读 XML下载 导出引用 引用提醒
一种新的基于密度的k-最近邻文本分类器训练样本约减方法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


A New Density - Based Method for Reducing the Amount of Training Samples in k- NN Text Classification
Author:
Affiliation:

Fund Project:

  • 摘要
    • |
  • 图/表
    • |
  • 访问统计
    • |
  • 参考文献
    • |
  • 相似文献
    • |
  • 引证文献
    • |
  • 资源附件
    • |
  • 文章评论
    摘要:

    本文针对k-最近邻方法分类效率不高的问题,提出了一种基于密度的训练样本集约减算法.该方法通过计算训练样本集中各类别的类别密度及整个训练集的平均密度,去掉高密度类别中的部分样本,使训练样本集具有更好的代表性.实验表明,该方法不仅提高了k-最近邻方法的分类效率,而且对其分类准确率也有一定程度的提高.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

徐义峰,陈春明,徐云青.一种新的基于密度的k-最近邻文本分类器训练样本约减方法.计算机系统应用,2007,16(11):127-128

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码
友情链接:中国科学院软件研究所中国计算机学会中国科学院国家自然科学基金委员会软件学报
您是第位访问者
版权所有：中国科学院软件研究所 京ICP备05046678号-3
地址：北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码：100190
电话：010-62661041 传真： Email：csa (a) iscas.ac.cn
技术支持：北京勤云科技发展有限公司

京公网安备 11040202500063号