基于信息增益特征关联树的文本特征选择算法

摘要：

传统的信息增益算法在类和特征项分布不均时,分类性能明显下降.针对此不足,提出了一种基于信息增益特征关联树的文本特征选择算法(UDsIG).首先,对数据集按类进行特征选择,降低类分布不均时对特征选择的影响.其次,利用特征分布均匀度改善特征项在类内分布不均对特征选择的干扰,并采用特征关联树模型对类内特征进行处理,保留强相关特征,删除弱相关和不相关特征,降低特征冗余度.最后,使用类间加权离散度的信息增益公式进一步计算,得到更优特征子集.通过对比实验表明,选取的特征具有更好的分类性能.

关键词：特征选择、特征关联树、信息增益值、不平衡数据集、离散度

所属期刊栏目：40

分类号：TP301.6(计算技术、计算机技术)

资助基金：辽宁省计划项目2012232001;辽宁省自然科学基金201202119

在线出版日期：2013-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：252-256