基于IG_ CDmRMR的二阶段特征选择方法

• 作者: 于舒娟 何伟 朱文峰
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 信息增益 最大相关最小冗余 类差分度 特征选择 文本分类
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 183-187,193
• 页数: 6页
• 分类号: TP391
• 字数: 4380字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0051013

摘要

为提高特征提取方法的文本分类精确度,结合信息增益(IG)和改进的最大相关最小冗余(mRMR),提出一种IG_CDmRMR二阶段文本特征选择方法.通过IG提取与类别相关性较强的特征集合,利用类差分度动态改变mRMR中特征与类别之间的互信息值权重,并筛选最优特征子集,从而得到文本分类结果.实验结果表明,与IG方法、IG mRMR方法相比,在特征数量相同的情况下,该方法可使准确率提升约2％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于舒娟	南京邮电大学电子与光学工程学院	52	163	8.0	10.0
2	朱文峰	南京邮电大学电子与光学工程学院	1	2	1.0	1.0
3	何伟	南京邮电大学电子与光学工程学院	2	2	1.0	1.0