面向文本分類的k近鄰查詢方法研究.pdf

1、隨著互聯(lián)網(wǎng)上信息量的爆炸式增長(zhǎng)和空間信息科學(xué)的發(fā)展，在很多應(yīng)用中都需要求給定對(duì)象的kNN和RkNN，如在文本分類、智能導(dǎo)航、現(xiàn)代通訊、交通控制、氣象預(yù)報(bào)等各個(gè)領(lǐng)域都有著廣泛的需求。
　　kNN查詢?cè)谖谋痉诸愌芯康阮I(lǐng)域有十分重要的應(yīng)用。kNN問題不僅研究得較早，而且對(duì)于它們的商業(yè)應(yīng)用已經(jīng)相當(dāng)?shù)膹V泛和成熟。目前比較常用的文本分類技術(shù)主要有：向量空間模型、k最近鄰法、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和貝葉斯算法等。而kNN算法是一種有效地文本分類算

2、法。針對(duì)傳統(tǒng)kNN算法存在計(jì)算量過大的缺點(diǎn)，論文引入了生成代表樣本集的方法，對(duì)原始訓(xùn)練集進(jìn)行裁剪并予以取代，從而減少了分類系統(tǒng)的計(jì)算量，有效地提高了系統(tǒng)的效率。
　　近年來，移動(dòng)設(shè)備和無線網(wǎng)絡(luò)的廣泛應(yīng)用帶來了基于位置服務(wù)應(yīng)用(LBS)的快速發(fā)展，RkNN查詢?cè)贚BS中扮演了極為重要的角色。然而現(xiàn)有的RkNN算法一般都是近似的解法或者僅僅適用于某種特定的情況，因此在一定程度上存在以下的不足和缺陷：僅適用于二維空間數(shù)據(jù)的求解；對(duì)k的值