论文部分内容阅读
在关联文本分类算法ARC-BC中，往往采用人工收集训练样本的方法，由于人工方法的主观不确定性使得收集到的训练样本的质量有差异，使得分类器的分类效果受到影响。本文提出了一种根据训练样本偏离“真实类中心”的程度——离心度，给训练样本赋予权值的算法WS-ARC-BC(Weighted SampleARC-BC)，提高分类器的稳定性，从而提高分类器的分类效果。实验表明，该算法能够有效提高分类效果。