| 用模拟退火改进的KNN分类算法 |
| |
| 引用本文： | 邓箴,包宏.用模拟退火改进的KNN分类算法[J].计算机与应用化学,2010,27(3). |
| |
| 作者姓名： | 邓箴 包宏 |
| |
| 作者单位： | 北京科技大学信息工程学院,北京,100083 |
| |
| 基金项目： | 国家重点基础研究发展规划(973计划) |
| |
| 摘 要： | KNN(k Nearest Neighbor)算法是1种简单、有效、非参数的文本分类法,但缺点是样本相似度的计算量大,故不适用于有大量高维样本的文本。一方面,本文分析了KNN算法的优点和缺陷,采用了1种应用特征词提取和特征词聚合的方法来改进KNN算法在特征词提取方面的不足。另一方面,本文又深入研究了模拟退火算法思想,采用退火模拟思想的典型优化组方法和模拟退火算法原理来加快KNN算法的分类速度。最后,通过2种方法的加入改进了KNN分类算法。实验结果表明,本文提出的方法大大提高了分类算法的效率和性能。
|
| 关 键 词： | KNN分类算法 文本分类 模拟退火算法 特征聚合 |
Based on the simulated annealing algorithm for improved KNN categorization algorithm |
| |
| Deng Zhen,Bao Hong.Based on the simulated annealing algorithm for improved KNN categorization algorithm[J].Computers and Applied Chemistry,2010,27(3). |
| |
| Authors: | Deng Zhen Bao Hong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
