一种组合型中文文本分类特征选择方法   总被引：2，自引：1，他引：1  

刘海峰  王元元  刘守生 《广西师范大学学报(自然科学版)》2007,25(4):208-211

根据基于频数分布和基于互信息的特征选择模式的特点,将传统的tf-idf因子以及基于互信息的特征选择方法分别进行了改进,并在此基础上提出了一种新的组合型特征选择方法。试验结果表明,该算法提高了文本分类的准确率。  相似文献   

Feature Selection Based on Difference and Similitude in Data Mining     

WU Ming YAN Puliu 《武汉大学学报：自然科学英文版》2007,12(3):467-470

Feature selection is the pretreatment of data mining. Heuristic search algorithms are often used for this subject. Many heuristic search algorithms are based on discernibility matrices, which only consider the difference in information system. Because the similar characteristics are not revealed in discernibility matrix, the result may not be the simplest rules. Although differencesimilitude（DS） methods take both of the difference and the similitude into account, the existing search strategy will cause some important features to be ignored. An improved DS based algorithm is proposed to solve this problem in this paper. An attribute rank function, which considers both of the difference and similitude in feature selection, is defined in the improved algorithm. Experiments show that it is an effective algorithm, especially for large-scale databases. The time complexity of the algorithm is O（｜ C ｜^2｜U ｜^2）.  相似文献   

A New Approach of Feature Selection for Text Categorization   总被引：1，自引：0，他引：1  

CUI Zifeng XU Baowen ZHANG Weifeng XU Junling 《武汉大学学报：自然科学英文版》2006,11(5):1335-1339

This paper proposes a new approach of feature selection based on the independent measure between features for text categorization. A fundamental hypothesis that occurrence of the terms in documents is independent of each other, widely used in the probabilistic models for text categorization （TC）, is discussed. However, the basic hypothesis is incom plete for independence of feature set. From the view of feature selection, a new independent measure between features is designed, by which a feature selection algorithm is given to ob rain a feature subset. The selected subset is high in relevance with category and strong in independence between features, satisfies the basic hypothesis at maximum degree. Compared with other traditional feature selection method in TC （which is only taken into the relevance account）, the performance of feature subset selected by our method is prior to others with experiments on the benchmark dataset of 20 Newsgroups.  相似文献   

文本分类实现技术   总被引：11，自引：2，他引：9  

王灏  黄厚宽  田盛丰 《广西师范大学学报(自然科学版)》2003,(1)

文本分类是文本数据挖掘的重要技术.从文本分类实现过程的各个环节,包括建立文档模型、特征提取、维数约简、选择分类策略几个方面分别给出了目前实用的解决方案,同时对各种算法进行了分类和性能上的定性与定量的比较,最后讨论了国内文本分类研究中的一些问题和未来的发展.  相似文献   

Feature selection for pre-cancer cell diagnosis     

Mei Jian-xin  Wang Si-xian 《武汉大学学报：自然科学英文版》2002,7(1):126-126

  相似文献   

基于遗传算法的蔬菜缺素叶片图像特征选择研究   总被引：8，自引：1，他引：7  

毛罕平  徐贵力  李萍萍 《江苏大学学报(自然科学版)》2003,24(2):1-5

在基于计算机视觉技术的无土栽培蔬菜营养元素缺乏智能识别研究中，如何选择缺素叶片分类能力强的特征项组合是识别诊断面临的关键问题，利用遗传算法对提取的缺素叶片图像众多颜色和纹理特征项进行优化选择，以达到诊断识别用的信息最优，实验表明，经过优化的特征组合明显优于人工选择的特征组合分类能力。  相似文献   

基于VSM的中文文本分类系统的设计与实现   总被引：25，自引：0，他引：25  

张东礼  汪东升  郑纬民 《清华大学学报(自然科学版)》2003,43(9):1288-1291

文本分类是指在给定分类体系下,根据文本的内容自动确定文本类别的过程。该文阐述了一个基于向量空间模型的中文文本分类系统的设计和实现。对文本分类系统的系统结构、预处理、特征提取、训练算法、分类算法等进行了详细介绍。引入标题权重系数改进词语权重,并提出了一种新的分类算法。实验测试结果表明查全率和准确率均达到90%左右,而且标题权重的引入和新分类算法的实施有效地改善了分类性能。  相似文献   

文本分类中特征选择方法的比较和改进   总被引：2，自引：1，他引：1  

伍建军  康耀红 《郑州大学学报(理学版)》2007,39(2):110-113

考察了文档频率DF、互信息MI、CHI统计、CC统计四种不同的特征选择方法,并结合K近邻算法进行分类精度上的比较.为消除MI对低频词的倚重,提出一种DF与MI结合的特征评价函数,并验证了这种组合特征选择方法的有效性.  相似文献   

汉语数码语音识别中一种新的抗噪声特征参数   总被引：1，自引：1，他引：0  

张涛  郜彦华 《河南科技大学学报(自然科学版)》2005,26(3):46-48

为了提高中小词汇量语音识别系统在噪声环境下的识别性能,以10个汉语数码语音为对象,利用汉语数码语音信号区别于噪声信号的准周期特性,提出了一种汉语数码语音频谱包络峰值特性的提取方法,首先用基频对语音频谱采样得到由谐波值构成的包络以提高信噪比,然后再对所得包络进行峰值提取得到汉语数码语音的峰值特征。实验结果表明,在信噪比大于5dB时,用该方法得到的峰值特征具有一定的抗噪性。  相似文献   

集成学习中特征选择技术          下载免费PDF全文

李国正  李丹 《上海大学学报(自然科学版)》2007,13(5):598-604

集成学习和特征选择是当前机器学习领域中的研究热点.集成学习通过重复采样可产生个体学习器之间差异度，从而提高个体学习器的泛化能力，特征选择应用到集成学习可进一步提高集成学习技术的效果，该研究有3个方面：数据子集的特征选择、个体学习器的选择和多任务学习.该文对近几年集成学习中特征选择技术的研究进行回顾，尤其对以上3个方面的研究分别进行总结，提出一些共性的技术指导以后的研究.  相似文献