不均衡数据集中KNN分类器样本裁剪算法

作者：景永霞; 苟和平; 冯百明; 李勇

来源：科学技术与工程, 2013, (16): 4720-4723.

DOI：10.3969/j.issn.1671-1815.2013.16.050

• KNN分类
• 聚类
• 样本裁剪
• 密度
• 相似度 KNN text classification clustering samples reducing density similarity

针对KNN算法在分类时的样本相似度计算开销大,在处理不均衡数据集时少数类分类误差大的问题,提出一种在不均衡数据集下基于密度的训练样本裁剪算法。对训练样本的各个样本类进行聚类,删除噪声数据并计算每个样本类的平均相似度和样本平均密度,以此获得样本类裁剪的相似度阈值,然后将样本类内相似度小于类相似度阈值的样本进行合并,减少训练样本总数。实验表明,此样本裁剪算法能够在保持KNN算法分类性能基本稳定的前提下,有效地减少分类计算开销,并能在一定程度上提高少数类的分类性能。

• 单位
  琼台师范高等专科学校; 西北师范大学