适用于不确定文本分类的特征选择算法

王博; 贾焰; 杨树强; 周斌

您当前的位置：

首页 >

文章列表页 >

适用于不确定文本分类的特征选择算法

学术论文 | 更新时间：2024-10-14

- 适用于不确定文本分类的特征选择算法
- Feature selection algorithm for uncertain text classification
- 通信学报 2009年30卷第8期页码：32-38
- 作者机构：
  
  国防科学技术大学计算机学院
- 作者简介：
- 基金信息：
  
  国家高技术研究发展计划(“863”计划)基金资助项目(2006AA01Z451,2007AA01Z474,2007AA010502);国家自然科学基金资助项目(60873204)~~
- DOI：
  中图分类号： TP391.1
- 纸质出版日期：2009
- 稿件说明：
移动端阅览
王博, 贾焰, 杨树强, 等. 适用于不确定文本分类的特征选择算法[J]. 通信学报, 2009,30(8):32-38.

WANG Bo, JIA Yan, YANG Shu-qiang, et al. Feature selection algorithm for uncertain text classification[J]. 2009, 30(8): 32-38.
王博, 贾焰, 杨树强, 等. 适用于不确定文本分类的特征选择算法[J]. 通信学报, 2009,30(8):32-38. DOI：

WANG Bo, JIA Yan, YANG Shu-qiang, et al. Feature selection algorithm for uncertain text classification[J]. 2009, 30(8): 32-38. DOI：

摘要

基于Hilbert-Schmidt依赖性准则提出了一种新颖的特征选择算法FSUNT

重点考虑特征选择过程中可能出现的模糊性和不确定性。针对类标号不确定而其他特征值确定的文本数据

通过考察特征与不确定的类标号间的Hilbert-Schmidt相关性

对特征进行排序

并选取最终的结果子集。最后大量真实与仿真实验结果表明

基于该算法可得到良好的分类效果和稳定性。

Abstract

A novel algorithm called FSUNT was proposed based on HSIC

with the focus on the vagueness and uncertainty which might be taken into account during feature selection. For text data with fixed feature values and uncertain class labels

features were ranked according to the correlation between features and uncertain class labels evaluated by HSIC. The results of experimental evaluation on a variety of datasets show better performance and stability of FSUNT.

关键词

Keywords

references

浏览量

286

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于XGBoost和粒子群优化算法的DGA恶意域名识别

基于多尺度注意力特征增强的异常流量检测方法

基于VAE-CWGAN和特征统计重要性融合的网络入侵检测方法

基于Spark和三路交互信息的并行深度森林算法

联合低秩重构和投影重构的稳健特征选择方法