论文部分内容阅读
KNN算法是文本分类中广泛应用的算法。作为一种基于实例的算法，训练样本的数量和分布位置影响KNN分类器分类性能。合理的样本剪裁以及样本赋权方法可以提高分类器的效率。提出了一种基于样本分布状况的KNN改进模型。首先基于样本位置对训练集进行删减以节约计算开销，然后针对类偏斜现象对分类器的赋权方式进行优化，改善k近邻选择时大类别、高密度训练样本的占优现象。试验结果表明，本文提出的改进KNN文本分类算法提高了KNN的分类效率。