论文部分内容阅读
数据挖掘，也可以称为数据库中的知识发现(KDD)，是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程，是信息处理的高级处理过程。分类是数据挖掘的重要组成部分，它根据类标号已知的数据建立模型，进而使用该模型来预测类标号未知的数据所属的类。KNN方法作为一种简单、有效、非参数的分类方法，在文本分类中得到广泛的应用，但是这种方法在训练样本分布不均匀时会造成分类准确率的下降。
本文针对KNN方法存在的问题，提出了两种改进方法，一种是基于相对距离的KNN分类方法，另一种是利用聚集改善训练样本，这两种方法减少了边界处测试样本的误判。实验结果显示，改进方法具有很好的性能。