摘要
本文研究了一种基于KNN与自动检索的自动分类算法--迭代近邻法(Iterative KNN,I-KNN),用以解决KNN算法在小样本库的环境下分类效果不佳的问题.在无法得到足够的定类样本时,通过检索的方法将待分样本的局部主题特征放大,进而得到足够定类的相似样本.实验证明,迭代近邻法既增加了获取相似样本的几率,同时也有效地控制了样本相似度条件限制放宽后可能引入的分类噪声,在实际应用中能较好地提升自动分类系统的查全率和查准率.
出处
《情报学报》
CSSCI
北大核心
2004年第2期137-141,共5页
Journal of the China Society for Scientific and Technical Information
基金
国家自然科学基金