结合类内集中度和优化RBF神经网络的特征选择

• 作者: 朱颢东 李红婵
• 来源期刊: 微电子学与计算机
• 关键词: 特征选择 文本分类 量子粒子群优化 RBF神经网络 最小二乘法
• 年，卷（期）: 2011,（2）
• 页码范围: 145-148,152
• 分类号: TP301
• 语种: 中文

摘要

特征选择是文本分类的一个核心研究课题.首先提出了优化的文档频和类内集中度,紧接着提出了自适应量子粒子群优化算法并用于训练RBF网络的基函数中心和宽度,而且还结合最小二乘法计算网络权值,对RBF神经网络进行了优化,最后提出了一个综合性特征选择方法.该综合性方法首先使用类内集中度过滤掉一些词条以降低文本特征空间的稀疏性,然后再利用优化的RBF网络对特征进行优选.实验结果表明此种特征选择方法有较好的准确率和召回率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李红婵	郑州轻工业学院计算机与通信工程学院	36	238	10.0	14.0
2	朱颢东	郑州轻工业学院计算机与通信工程学院	70	367	11.0	13.0