基于粗糙集和分布密度理论的KNN分类样本选取方法研究.pdf

．128． 2006年信息、电子与控制技术学术会议论文集 ；；；；；=；篇搿IllI II———————篇黼茹；；=；；=赫黼雀；；昌昌昌毒黼黼黼；；；=昌爿黼黼黼宣 基于粗糙集和分布密度理论的KNN分类样本选取方法 刘毅扬燕 I摘要lKNN算法对错误标识的训练样本搠那些处在 真正想要得到知识来说是没用的；而且现今的搜索 各类样本边界处的新文本的分类比较敏感，往往会导致 引擎都是基于哭键词匹配技术，对于web网中隐藏 难以得到理想的分类效果。所以说训练样本集选取的好 的那些知识发现力度不够，这就造成了知识发现的 壤是KNN葵法进行文本分类鹈关键。为魏，本文提出一 遗漏。弱用web文本挖掘技本——放大量web文零 种基于粗糙集和分布密度理论稻结合酶KNN分类样本选 数据中提取隐含在其中的、事先未知的、但又怒潜 择方法，先利用粗糙集理论的下近似集从训练文本中选 在的、可以理解的，最终可用的信息和知识的过程。 取出典型的文本类别样本，阍时消除那些被错误标识的 对web网页进行自动分类是解决互联网上知识发现 样本，然后褥用基于密度的KNN分类训练样本选取方法， 使稍练样本分雍尽量均匀，从嚣保证了KNN分类器薛准 的根本途径。 确率。实验结果表明，该分炎样本选取方法能改进KNN 在众多分炎算法孛，KNN作为一释易于理解鱼 文本分类系统的性能。 效槊很好的文本分类算法，在文本分类中得以广泛 I关键词lKNN；粗糙集；样本选取；文本分类、 应用。文献【1】提到事实证明KNN不但是英文文本 分类最好的算法之一，丽且其在中文文本分类也有 AnEdit SetMethodBasedon Sets 很强憨霹移檀性，表瑗了很好麓中文文本分类往 Training Rough and forKNN Density 能。从本质上讲jKNN文本分类系统是基于实例的 LIUYi 姒NGYan 学习系统，即事先给定一个进行了类别标识的文本 XNN iSsensitiveto也e 训练集，根据此训练集构建分类器，对于新的待分 Abstract：The algorithm close labeled orob{ects incorrectlytrainingsamples 类文本，通过分类器找到一个或多个穗薪文本裾似 lothedecision’S canresultinerror boundary,and 漪样本，将样本的类男I标识赋绘新文本，完成对新 classification．ThatiSto setiSthe say．thetraining key 文本分类。 elementtotextcategorizationused KNN．Soin by this a edit setmethodis 但是KNN算法也有明显的弊端，其对错误标 paperhybrid training thatcombinesthe setand presented rough density 识的谰练样本襁秀5些处在各类样本边界处的撅文 thelower methodin theory．Firstlyapproximations