论文部分内容阅读
为了解决传统分类方法计算复杂度高及可扩展性差的问题，提出了互依赖和等效半径的概念，并将两者相结合，提出新的分类算法——基于互依赖和等效半径、易更新的分类算法IER．IER算法根据互依赖作为特征选择的量度，通过较长特征值的选择降低维度，通过重心和等效半径来建立分类模型．算法分析显示IER计算复杂度较低，扩展性能较好，适用于大规模场合．将IER算法应用于中文文本分类，并与kNN算法和类中心向量法进行比较，结果表明，在提高分类精度的同时，IER还可以大幅度提高分类速度，有利于对大规模信息样本进行实时在线的自动分