粗糙集近似集的KNN文本分类算法研究

摘要 在中文文本分类中,KNN文本分类算法因具有算法简单、有效以及准确率高等特点,被认为是一种较好的文本分类算法.但KNN算法有一个明显缺陷,当样本数据规模较大时,该算法的分类效率明显降低.通过引入粗糙集的近似集模型,计算训练样本集中各个样本类别的上近似空间和λ近似空间,在分类中根据待分类文本向量在样本空间中的分布位置,可以直接判定一些文本的类别,减少分类时间.实验表明,在阈值λ取值合适的情况下,该算法可以保持KNN算法分类精度基本不变,同时显著的提高分类效率