基于主成分分析和KNN混合方法的文本分类研究

基于主成分分析和KNN混合方法的文本分类研究
郭新辰;李成龙;樊秀玲
【期刊名称】《东北电力大学学报》
【年(卷),期】2013(000)006
【摘要】特征选择和分类算法是文本分类中的两个关键技术,提出了基于主成分分析和KNN相结合的文本分类方法。

该方法利用主成分分析对文本向量的高维空间进行特征选择,为克服因类别特征选择不当带来的不利影响,使用KNN算法进行分类可以最大程度地减少分类过程中的误差。

为了验证方法的有效性,针对UCI标准数据集进行仿真实验。

实验结果显示,PCA-KNN方法优于主成分分析和随机森林相结合的方法,能在一定程度上提高文本分类的精度。

【总页数】4页(P60-63)
【作者】郭新辰;李成龙;樊秀玲
【作者单位】东北电力大学理学院吉林吉林132012;东北电力大学理学院吉林吉林132012;东北电力大学理学院吉林吉林132012
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于卷积神经网络和KNN的短文本分类算法研究 [J], 殷亚博;杨文忠;杨慧婷;许超英
2.基于TextRank的KNN文本分类算法研究 [J], 景永霞; 苟和平; 孙为
3.基于KNN模型的藏文文本分类研究与实现 [J], 苏慧婧; 群诺; 贾宏云
4.基于改进ML-KNN算法的文本分类研究 [J], 邢娟韬; 白金牛
5.基于相对熵的KNN文本分类方法的研究 [J], 崔东虎;赵亚慧;崔荣一
因版权原因，仅展示原文概要，查看原文内容请购买。