文本分类中基于散度差的线性特征抽取方法

作     者：刘海峰 王元元 姚泽清 张述祖 LIU Hai-feng;WANG Yuan-yuan;YAO Ze-qing;ZHANG Shu-zu

作者机构：解放军理工大学理学院江苏南京210007 解放军理工大学指挥自动化学院江苏南京210007 

基　　金：国家自然科学基金项目(70571087) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2009年第30卷第7期

页      码：1749-1752页

摘      要：分析了特征选择与特征抽取的特点与不足,针对Fisher线性鉴别准则存在问题,在一种加权散度差线性鉴别准则的基础上提出了一种基于散度差与SVD相结合的文本特征抽取方法。在解决了类内散布矩阵的奇异性问题困扰同时,通过对低阶矩阵的奇异值分解取代了对高阶矩阵的特征值求解,计算量大大减少。在最低限度减少信息损失的前提下实现了特征维数的大幅度减缩。试验结果表明,这种方法在文本分类上的准确性较好。

主 题 词：文本分类 特征选择 特征抽取 特征降维 散度差 奇异值分解 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2009.07.032

馆 藏 号：203126369...