论文部分内容阅读
提出了一种应用于文本分类的KNN和SVM相结合的算法，将SVM近似看成每类只有一个代表点的INN分类器，对于待识别样本，如果其离支持向量机的最优分界面较远，则用SVM分类；如果其离分界面较近，采用KNN对测试样本分类，将每个支持向量作为代表点，计算待识别样本和每个支持向量的距离对其作出判断。该算法综合了KNN和SVM在分类问题中的优势，既有效地降低了分类候选的数目，又提高了文本分类的精度。最后用实验验证了该算法的有效性。