改进的K最近特征线算法在文本分类中的应用.pdfVIP

第 13卷 第 6期 哈 尔 滨 理 工 大 学 学 报 Vo1．13 No．6 2008年 12月 J0URNALHARBIN UNIV．SCI． TECH． Dec．，2008 改进的K最近特征线算法在文本分类 中的应用 谭冠群， 丁华福 (哈尔滨理工大学 计算机科学与技术学院，黑龙江 哈尔滨 150080) 摘 要：KNFL算法是一种近年来在人脸识别领域得到广泛应用的算法，这种算法认为类中两 点的连线也可以近似代表类的特征，把它应用于文本分类领域可以得到较好的分类效果，但是由于 时间复杂度比较高，影响了其实用价值．本文提 出了一种应用于文本分类的改进的KNFL算法，计 算出类的中心点后再进行两次过滤，分别将离类 中心点较远的特征点和特征线过滤掉，减少了训练 集样本数 目，在对分类精确度影响不大的情况下，改善 了KNFL算法的分类效率，最后用实验验证 了该算法的有效性． 关键词：文本分类；K最近特征线；KNN算法 中图分类号：TP181 文献标识码 ：A 文章编号：1007-2683(2008)06—0019-04 ImprovedKNearestFeatureLineAlgorithm inTextCategorization Ⅳ Guan—qun， DINGHua (SchoolofComputerScienceandTechnology，HarbinUniversityofScienceandTechnology，Harbin150080，China) Abstract：KNFL algorithm hasbeen apopularclassification algorithm in faceidentification in recentyears． Thisalgorithmconsidersthatalinebetweentwopointsinthesametypeofclasscannearlyrepresentthefeatureof thewholeclassasasinglepoint，anditcanalsogetgoodresultsintextcategorizationfield，butitscomputational complexityisinhighdegreewhichimpactitsvalveforapplication．AnovelandefficientimprovedKNFIalgorithm fortextcategorizationisproposedinthistext，computeringthecentralpointofclassand thenmakingtwofilters， deletingthepointsandthefeaturelineswhosedistanceofthecentralpointisfar，asaresultwereducethenumber ofthepointintrainingset．Thisalgorithm savestheclassificationtimeandhasthesameclassificationperformance astheKNFLalgorithm．Atlastexperimentalresultsbasedontextcategorizationwillverifyourproposedalgorithm． Keywords：textcategorization；K nearestfeatureline；KNN algorithm 索．近年来文本的分类技术已经成为了数据挖掘领 1 引 言 域的热点问题．文本分类是指对于待分类文本，根据 它的内容，由计算机根据某种 自动分类算法，把文本 随着信息技术的飞速发展，互联网已经成为世