贝叶斯与k-近邻相结合的文本分类方法

doi:10.3969/j.issn.1000-1565.2012.03.018

河北大学学报(自然科学版) ›› 2012, Vol. 32 ›› Issue (3): 316-319.DOI: 10.3969/j.issn.1000-1565.2012.03.018

贝叶斯与k-近邻相结合的文本分类方法

霍亮¹,杨柳²,张俊芝²

1.河北金融学院信息管理与工程系,河北保定,071051； 2.河北大学经济管理实验教学中心,河北保定,071000

出版日期:2012-05-25 发布日期:2012-05-25
基金资助:
河北省科学技术研究与发展计划项目

On Bayesian combined with k-NN text classification method

HUO Liang¹,YANG Liu²,ZHANG Jun-zhi²

Online:2012-05-25 Published:2012-05-25

摘要/Abstract

摘要： 为了提高分类器的精度,对分类器的结构进行了改进,提出了一种基于贝叶斯和k-知近邻组合分类器的模型,该分类方法结合了贝叶斯方法分类速度较快和k-近邻方法分类准确率较高的优点.实验结果表明,该方法在保证分类速度的前提下,有效地提高了分类准确率.

中图分类号:

TP391

霍亮,杨柳,张俊芝. 贝叶斯与k-近邻相结合的文本分类方法[J]. 河北大学学报(自然科学版), 2012, 32(3): 316-319.

HUO Liang,YANG Liu,ZHANG Jun-zhi. On Bayesian combined with k-NN text classification method[J]. Journal of Hebei University (Natural Science Edition), 2012, 32(3): 316-319.

[1]	毛华,刘谦,连萌璇,王刚,张植明. 地下工程岩体质量评判的三支决策方法[J]. 河北大学学报(自然科学版), 2023, 43(3): 330-336.
[2]	戚元星,崔双喜. 集成学习在电网假数据入侵检测中的应用[J]. 河北大学学报(自然科学版), 2022, 42(1): 105-112.
[3]	刘振鹏,张庆文,李泽园,刘嘉航,董姝慧,赵永刚. 软件定义网络中基于贝叶斯ARTMAP的DDoS攻击检测模型[J]. 河北大学学报(自然科学版), 2021, 41(6): 728-733.
[4]	宗晓萍,陶泽泽. 改进的K-近邻算法及其在学习预警中的应用[J]. 河北大学学报(自然科学版), 2020, 40(2): 193-199.
[5]	翟俊海,沈矗,张素芳,王婷婷. 基于Spark和SimHash的大数据K-近邻分类算法[J]. 河北大学学报(自然科学版), 2019, 39(2): 201-210.
[6]	刘佩鑫,于洪志,徐涛. 基于朴素贝叶斯的档案分类研究[J]. 河北大学学报(自然科学版), 2018, 38(5): 549-554.
[7]	翟俊海, 王婷婷, 张明阳, 王耀达, 刘明明. 2种加速K-近邻方法的实验比较[J]. 河北大学学报(自然科学版), 2016, 36(6): 650-656.
[8]	吴舒霞,陈炼,高胜保. 混合Markov与Bayes的客户欠费预测模型[J]. 河北大学学报(自然科学版), 2016, 36(5): 535-540.
[9]	肖仙谦,朱俊平,景旭,马巧娥. 基于贝叶斯方法的单分类入侵检测技术[J]. 河北大学学报(自然科学版), 2014, 34(1): 7-13.
[10]	梁宏胜,徐建民,成岳鹏. 一种改进的朴素贝叶斯文本分类方法[J]. 河北大学学报(自然科学版), 2007, 27(3): 327-331.
[11]	吴志峰,田学东. 人名、机构名在基于概念的文本分类中的应用研究[J]. 河北大学学报(自然科学版), 2004, 24(6): 657-661.

贝叶斯与k-近邻相结合的文本分类方法

On Bayesian combined with k-NN text classification method

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价