基于费希尔信息度量的随机近邻嵌入算法

• 作者: 张亚红 李玉鑑
• 来源期刊: 北京工业大学学报
• 学科: 工学
• 关键词: 文本分类 统计流形 信息几何 费希尔信息度量 t分布随机近邻嵌入
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 计算机与软件工程
• 页码范围: 862-869
• 页数: 8页
• 分类号: TP391
• 字数: 5149字
• 语种: 中文
• DOI: 10.11936/bjutxb2015090037

摘要

为提高文本分类的准确率,提出了费希尔信息度量随机近邻嵌入算法( Fisher information metric based on stochastic neighbor embedding, FIMSNE)。首先,把文本的词频向量看作统计流形上的概率密度样本点,利用费希尔信息度量计算样本点之间的距离；然后,从信息几何的观点出发,对 t 分布随机近邻嵌入( t-stochastic neighbor embedding, t-SNE)进行改进,实现了新算法。真实文本数据集上的二维嵌入和分类实验的结果表明：FIMSNE的性能在总体上优于t-SNE、费希尔信息非参数嵌入( Fisher information nonparametric embedding,FINE)和主成分分析( principal components analysis,PCA)。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张亚红	北京工业大学计算机学院	7	56	4.0	7.0
2	李玉鑑	北京工业大学计算机学院	57	357	10.0	17.0