基于CCIPCA和ICA降维的文本分类研究

• 作者: 何海斌 李新福 赵蕾蕾
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 文本分类 特征降维 直观无协方差增量主元分析 独立成分分析 支持向量机
• 年，卷（期）: 2008,（29）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 150-152,167
• 页数: 4页
• 分类号: TP391
• 字数: 3845字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.29.042

摘要

文本分类中采用向量空间模型来表达文本特征,维数巨大,关键是对高维的特征集进行降维处理,而一般的分解算法无法处理大规模的高维问题.采用CCIPCA与ICA相结合的特征提取方法可以有效地实现文本特征降维.实验结果表明降维提高了分类器的效率和效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李新福	河北大学数学与计算机学院	24	122	7.0	10.0
2	何海斌	河北大学数学与计算机学院	4	39	2.0	4.0
3	赵蕾蕾	河北大学数学与计算机学院	3	50	3.0	3.0