计算机工程与科学

作者：文武, 万玉辉, 张许红, 文志云,

单位：（1.重庆邮电大学通信与信息工程学院，重庆 400065；2.重庆邮电大学通信新技术应用研究中心，重庆 400065；3.重庆信科设计有限公司，重庆 401121）

关键词：文本分类,PCA,CHI,降维,特征选择,

针对文本数据中含有大量噪声和冗余特征，为获取更有代表性的特征集合，提出了一种结合改进卡方统计（ICHI）和主成分分析（PCA）的特征选择算法（ICHIPCA）。首先针对CHI算法忽略词频、文档长度、类别分布及负相关特性等问题，引入相应的调整因子来完善CHI计算模型；然后利用改进后的CHI计算模型对特征进行评价，选取靠前特征作为初选特征集合；最后通过PCA算法在基本保留原始信息的情况下提取主要成分，实现降维。通过在KNN分类器上验证，与传统特征选择算法IG、CHI等同类型算法相比，ICHIPCA算法在多种特征维度及多个类别下，实现了分类性能的提升。

来源：2021年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第9期