柔性KNN算法研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (34): 25-28.

柔性KNN算法研究

张运良^1,2,张全¹

1.中国科学院声学研究所，北京 100080
2.中国科学院研究生院，北京 100039

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-01 发布日期:2007-12-01
通讯作者: 张运良

Study on flexible KNN algorithm

ZHANG Yun-liang^1,2,ZHANG Quan¹

1.Institute of Acoustics，Chinese Academy of Sciences，Beijing 100080，China
2.Graduate School of the Chinese Academy of Sciences，Beijing 100039，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-01 Published:2007-12-01
Contact: ZHANG Yun-liang

摘要/Abstract

摘要： KNN算法是一种常用的效果较好的文本分类算法。但是标准KNN算法中，近邻的数目K对所有处理文本都是一样的，而判断类别时加权的仅仅是文本之间的相似度。基于近邻序列的排序，提出了变K算法，并且结合效果较好权重算法，形成了柔性的KNN算法，提高了分类的效果。

关键词: 计算机应用, 文本分类, KNN算法, 柔性, 效果

Abstract: KNN algorithm is a common and effective text categorization algorithm.In basic KNN algorithm，the K is fixed for different processing texts，and the weights of similarity for neighbors are equal.In this paper，a flexible KNN algorithm is developed with varying-K algorithm and weighting algorithm，which improves the effect of text categorization.

Key words: computer application, text categorization, KNN algorithm, flexible, effect

张运良^1,2,张全¹. 柔性KNN算法研究[J]. 计算机工程与应用, 2007, 43(34): 25-28.

ZHANG Yun-liang^1,2,ZHANG Quan¹. Study on flexible KNN algorithm[J]. Computer Engineering and Applications, 2007, 43(34): 25-28.

[1]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[2]	谢锐强，张惠珍. 求解柔性作业车间调度问题的两段式狼群算法[J]. 计算机工程与应用, 2021, 57(7): 251-256.
[3]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[4]	黄金杰，蔺江全，何勇军，何瑾洁，王雅君. 局部语义与上下文关系的中文短文本分类算法[J]. 计算机工程与应用, 2021, 57(6): 94-100.
[5]	郑诚，董春阳，黄夏炎. 基于BTM图卷积网络的短文本分类方法[J]. 计算机工程与应用, 2021, 57(4): 155-160.
[6]	贺文亮，朱敏玲. 胶囊神经网络研究现状与未来的浅析[J]. 计算机工程与应用, 2021, 57(3): 33-43.
[7]	滕金保，孔韦韦，田乔鑫，王照乾，李龙. 基于CNN和LSTM的多通道注意力机制文本分类模型[J]. 计算机工程与应用, 2021, 57(23): 154-162.
[8]	武书钊，李功权，卜明伟. 基于知识图谱的自杀倾向检测问答系统构建[J]. 计算机工程与应用, 2021, 57(22): 304-312.
[9]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[10]	左阔，李宁，田英爱，侯霞. 流式文档排版效果自动化测试方法[J]. 计算机工程与应用, 2021, 57(2): 273-278.
[11]	李铁飞，生龙，吴迪. BERT-TECNN模型的文本分类方法研究[J]. 计算机工程与应用, 2021, 57(18): 186-193.
[12]	丁勇，程家桥，蒋翠清，王钊. 基于主题和关键词特征的比较文本分类方法[J]. 计算机工程与应用, 2021, 57(17): 196-202.
[13]	熊中敏，郭怀宇，吴月欣. 缺失数据处理方法研究综述[J]. 计算机工程与应用, 2021, 57(14): 27-38.
[14]	滕金保，孔韦韦，田乔鑫，王照乾. 基于LSTM-Attention与CNN混合模型的文本分类方法[J]. 计算机工程与应用, 2021, 57(14): 126-133.
[15]	蔡瑞光，张德生，张晓. 基于双向选择的伪近邻算法[J]. 计算机工程与应用, 2021, 57(13): 102-107.