随着在21世纪互联网信息技术的不断发展,文本分类作为对文本数据管理的有效手段越来越成为当今的研究热点。但文本数据大多以杂乱的形式存在,造成文档特征数量多、分布不均等问题,严重影响文本数据的分类准确率和分类效率。基于此,本文在前人的基础上对文本分类中的特征选择和文本分类算法进行研究,分别给出改进的互信息特征选择模型、基于K中心点和粗糙集理论的KNN分类算法(K Center Point and Rough Set KNN,KRS-KNN)以解决这些问题。针对传统的互信息特征选择算法没有考虑特征词频率、词性及特征词分布问题,分别在传统的互信息模型的基础上结合类内特征频度、特征覆盖率及词性系数这三个指标,构造出新的互信息评估函数。然后通过向量空间模型对特征向量化,并结合KNN分类模型对文本特征集合分类。最后通过实验对该算法进行验证,实验结果表明该算法在特征选择上具有显著的效果,提高了文本分类的准确率。同时相比于传统的互信息模型在分类上的查全率和F1值也得到了一定提升,证明了该算法应用于文本分类中的有效性和可行性。在文本分类过程中,由于特征维度高,计算难度大,使得分类效率低下,因此引入一种基于K中心点和粗糙集的KNN分类算法。首先该方法在K中心算法的基础上,把文本数据集合聚类为簇,并分别计算每个簇中簇心及其它文本数据的代价函数值,并设定阈值,将代价值较大的数据样本剔除,以降低文本集合的数据规模,减少计算量。然后运用粗糙集理论对已经确定类别的数据样本不再判断所属类别,对不确定的数据利用KNN分类算法对其分类。最后通过实验验证该算法的有效性,结果表明该算法在K中心点的代价函数和粗糙集的帮助下能够有效剔除无用文本数据,降低文本集合的计算规模,使得数据处理时间大大降低,有效提高了文本数据的分类效率。