Indexed by：
Abstract：
当今大数据时代，文本数据占相当大的比重，作为有效管理和组织文本数据的方法，分类逐渐成为关注的热点。KNN是一种经典的分类算法，针对其分类速度和分类精度无法同时兼顾的不足，采用改进的 K‐Medoids聚类算法裁剪对KNN分类贡献小的训练样本，从而减少KNN相似度的计算量，并定义代表度函数有差别地处理测试文本的 K个最近邻文本，以提高KNN的分类精度。实验结果表明，改进后的方法在分类速度上和分类精度上均有明显地提高。
Keyword：
Reprint Author's Address：
Email：
Source ：
国外电子测量技术
ISSN： 1002-8978
Year： 2015
Issue： 12
Page： 39-43
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 46
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
