论文部分内容阅读
KNN算法是一种应用广泛的人工智能算法，在文本分类应用中，简单有效，易于实现．但是，KNN分类的时间复杂度与训练样本数量成正比，而且，训练样本分布密度的不均匀性将导致分类准确性的下降．本文在KNN算法的基础上，提出一种改进算法．算法分析了训练样本的分布密度，通过裁减高密度区域训练样本，降低样本数量，调节训练样本分布，达到提高分类准确性的目的．实验证明，基于密度的改进KNN文本分类算法在降低时间复杂度的同时，还具有较好的准确率和召回率．