收藏本站
《燕山大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

KNN文本分类研究

闫晨  
【摘要】: 文本分类最初是应文本信息检索的要求出现的。文本分类可以使得人们无需逐个浏览文本文件来确认是否是自己所需文本,自动的将文本划分到人们事先指定好的类别域中的正确类别,同时在分类过程中得到的分类模式及其它数据亦可应用于进一步的文本挖掘、智能搜索引擎、个性化软件助理等领域。 本文分析了各种算法的分类思想、文本预处理、特征选择和特征提取方法,并且对K最近邻文本分类问题进行了深入的研究。 首先,深入研究了传统的TFIDF加权方案,分析出其存在的缺陷。在此基础上分别提出了对词频函数和逆文档频数函数的改进策略,使其更适合K最近邻文本分类。 其次,为了解决K最近邻文本分类的边界问题,定义了文本分类中类密度和类倾斜的概念。通过标准差判别类密度是否出现倾斜,并且引入收缩因子收缩发生倾斜的类密度,直到类密度不再发生倾斜。之后,根据收缩后的类密度对传统的K最近邻决策函数进行修改,形成了自适应的加权K最近邻文本分类。 最后,针对K最近邻方法存在分类速度问题,提出了一种基于密度的K最近邻分类器训练样本裁剪方法,对类的中心区域样本进行了大量裁剪。这种方法降低了K最近邻算法的计算量,从而大大提高了分类器在分类阶段的分类速度。 实验结果表明,本文所提出的观点均优于传统观点,并且提高了K最近邻分类器的准确率、查全率和分类速度。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王煜;白石;王正欧;;用于Web文本分类的快速KNN算法[J];情报学报;2007年01期
2 李荣陆,胡运发;基于密度的kNN文本分类器训练样本裁剪方法[J];计算机研究与发展;2004年04期
3 杨丽华;戴齐;郭艳军;;KNN文本分类算法研究[J];微计算机信息;2006年21期
4 刘慧;杨宏光;;应用于中文文本分类的改进KNN算法[J];今日科苑;2010年08期
5 吕震宇;赵爽;林永民;;kNN在文本分类中的应用研究[J];计算机与现代化;2008年11期
6 唐焕玲,付克明,鲁明羽;文本分类系统SECTCS中若干技术问题的探讨[J];计算机工程与应用;2003年11期
7 杜尔斌;李翔;林祥;;改进的KNN文本分类算法[J];信息安全与通信保密;2011年04期
8 李鑫;张黎烁;;文本分类方法比较研究[J];光盘技术;2009年05期
9 王斌;朴顺姬;邵华清;;基于粗糙集的KNN的WEB文本分类的研究[J];数字技术与应用;2011年08期
10 崔彩霞;张朝霞;;文本分类方法对比研究[J];太原师范学院学报(自然科学版);2007年04期
11 曾洪波;杨天奇;邱韬奋;;一种基于模糊理论的KNN文本分类算法[J];微计算机应用;2011年02期
12 张春红;谢卫;;基于SVM-KNN算法的特色数据库分类体系初探[J];情报科学;2009年11期
13 张俊丽;张帆;;改进KNN算法在垃圾邮件过滤中的应用[J];现代图书情报技术;2007年04期
14 曹勇;吴顺祥;;使用KNN算法的中文Web文本分类技术研究[J];软件导刊;2007年01期
15 张俊丽;赵乃瑄;冯君;;基于统计频率的文本分类特征选择算法研究[J];现代图书情报技术;2008年11期
16 赵俊杰;胡学钢;;基于文本分类的文档相似度计算[J];微型电脑应用;2008年12期
17 李良俊;张斌;杨明;;基于LSA降维的KNN文本分类算法[J];东北师大学报(自然科学版);2007年02期
18 刘辉;应培培;;一种改进的KNN文本分类算法[J];信息安全与技术;2011年07期
19 陈可华;;基于多代表点的文本分类研究[J];郑州大学学报(工学版);2010年06期
20 印鉴;谭焕云;;基于χ~2统计量的kNN文本分类算法[J];小型微型计算机系统;2007年06期
中国重要会议论文全文数据库 前10条
1 陈克利;宗成庆;王霞;;基于大规模真实文本的平衡语料分析与文本分类方法[A];语言计算与基于内容的文本处理——全国第七届计算语言学联合学术会议论文集[C];2003年
2 杜长海;吉根林;;模糊聚类的最大树法在文本分类中的应用研究[A];第二十二届中国数据库学术会议论文集(研究报告篇)[C];2005年
3 刘秉权;李博;孙林;王宝勋;刘远超;;标签特征和正文特征融合的SVM博客文本分类算法研究[A];第六届全国信息检索学术会议论文集[C];2010年
4 海丽且木·艾沙;维尼拉·木沙江;;Web文本分类及其维、哈、柯多文种信息检索中的应用研究[A];少数民族青年自然语言处理技术研究与进展——第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会论文集[C];2010年
5 商炳章;白清源;;基于特征项权重改进的关联文本分类[A];第二十五届中国数据库学术会议论文集(二)[C];2008年
6 胡俊;黄厚宽;;一种基于SVM的可视化文本分类的方法[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
7 朱慕华;陈文亮;朱靖波;;词聚类在文本分类中的应用[A];第二届全国学生计算语言学研讨会论文集[C];2004年
8 王小华;陆蓓;张国煊;;文本自动分类的模糊方法[A];自然语言理解与机器翻译——全国第六届计算语言学联合学术会议论文集[C];2001年
9 庞剑锋;程学旗;;反馈方法在文本分类系统中的应用[A];自然语言理解与机器翻译——全国第六届计算语言学联合学术会议论文集[C];2001年
10 贾会强;刘晓丽;于洪志;;基于词性特征提取的藏文文本分类方法研究[A];CCF NCSC 2011——第二届中国计算机学会服务计算学术会议论文集[C];2011年
中国重要报纸全文数据库 前10条
1 中国科学院计算技术研究所 王 斌;内容为王[N];计算机世界;2004年
2 高利华;传承陆游风骨 推进国际交流[N];人民日报海外版;2005年
3 林木树;反垃圾邮件有待新突破[N];人民邮电;2004年
4 希安;微软试水信息检索[N];经济日报;2004年
5 王培森;从Web挖到竞争情报[N];中国计算机报;2003年
6 应晓敏 窦文华;技术架构[N];计算机世界;2003年
7 本报记者 姚琳;科学与追求相伴[N];广西日报;2011年
8 何冰 辛专 ;湖南平江仍有私塾[N];北京日报;2003年
9 ;北外举办首届中国爱尔兰研究研讨会[N];中华读书报;2007年
10 本报特约撰稿人 陈丹;“哈勃”为观察宇宙打开一扇新窗口[N];大众科技报;2002年
中国博士学位论文全文数据库 前10条
1 章舜仲;文本分类中词共现关系的研究及其应用[D];南京理工大学;2010年
2 孟佳娜;迁移学习在文本分类中的应用研究[D];大连理工大学;2011年
3 李智星;用于文本分类的简明语义分析技术研究[D];重庆大学;2011年
4 刘伍颖;面向垃圾信息过滤的主动多域学习文本分类方法研究[D];国防科学技术大学;2011年
5 王博;文本分类中特征选择技术的研究[D];国防科学技术大学;2009年
6 平源;基于支持向量机的聚类及文本分类研究[D];北京邮电大学;2012年
7 冯国忠;文本分类中的贝叶斯特征选择[D];东北师范大学;2011年
8 程军;基于统计的文本分类技术研究[D];中国科学院研究生院(文献情报中心);2003年
9 万源;基于语义统计分析的网络舆情挖掘技术研究[D];武汉理工大学;2012年
10 祝翠玲;基于类别结构的文本层次分类方法研究[D];山东大学;2011年
中国硕士学位论文全文数据库 前10条
1 闫晨;KNN文本分类研究[D];燕山大学;2010年
2 赵小华;KNN文本分类中特征词权重算法的研究[D];太原理工大学;2010年
3 刘亚南;KNN文本分类中基于遗传算法的特征提取技术研究[D];中国石油大学;2011年
4 张彪;文本分类中特征选择算法的分析与研究[D];中国科学技术大学;2010年
5 刘辉;基于KNN算法的中文Web文本分类技术研究[D];辽宁工程技术大学;2010年
6 张保富;基于粗糙集的中文文本分类算法研究及应用[D];江苏大学;2010年
7 蒋健;文本分类中特征提取和特征加权方法研究[D];重庆大学;2010年
8 苏小康;基于维基百科构建语义知识库及其在文本分类领域的应用研究[D];华中师范大学;2010年
9 李璇;基于坐标下降法的半监督学习算法及其在文本分类中的应用[D];华南理工大学;2010年
10 宋志理;基于LDA模型的文本分类研究[D];西安理工大学;2010年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978