基于PSO-ICA的文本分类研究

• 作者: 仇国庆 张少昀 赵婉滢 马俊
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 粒子群算法 独立分量分析 特征降维 文本分类
• 年，卷（期）: 2018,（14）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 95-99
• 页数: 5页
• 分类号: TP391
• 字数: 5078字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1705-0170

摘要

文本分类在采用向量空间模型(VSM)表达文本特征时,容易出现特征向量高维且稀疏的现象,为了对原始的文本特征向量进行有效简化,提出了一种基于粒子群(PSO)优化独立分量分析(ICA)进行降维的方法,并将其运用到文本分类中.在该算法中,以负熵作为粒子群算法的适应度函数,依据其高斯性原理作为独立性判别标准对分离矩阵进行自适应更新.实验结果表明,相比于传统的特征降维方法,该方法可以解决高维度文本特征向量降维困难的问题,使得文本分类的效率、准确率显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	仇国庆	重庆邮电大学自动化学院	32	389	9.0	19.0
2	张少昀	重庆邮电大学自动化学院	1	0	0.0	0.0
3	赵婉滢	重庆邮电大学自动化学院	2	6	1.0	2.0
4	马俊	重庆邮电大学自动化学院	2	6	1.0	2.0