基于互信息最大化和特征聚类的特征选择

被引：1

作者：

张成彬 ^{[1
]}

唐建 ^{[2
]}

机构：

[1] 盐城工学院信息工程学院

[2] 盐城市工商行政管理局

来源：

现代计算机(专业版) | 2009年 / 08期

关键词：

互信息最大化; 特征聚类; 邮件识别;

D O I：

暂无

中图分类号：

TP393.098 [];

学科分类号：

080402 ;

摘要：

提出一种互信息最大化和特征聚类相结合的特征选择法,并将其应用于邮件识别。通过互信息最大化从原始特征空间中选择次优特征子集,借助于特征空间的聚类来剔除冗余特征,从而实现特征空间的再次降维。实验结果表明该方法是一种有效的特征选择法。

引用

页码：31 / 33

页数：3

共 8 条

[1] Machine learning in automated text categorization [J].

Sebastiani, F .

ACM COMPUTING SURVEYS, 2002, 34 (01) :1-47

[2] 基于互信息最大化的特征选择算法及应用 [J].

唐亮 ;

段建国 ;

许洪波 ;

梁玲 .

计算机工程与应用, 2008, (13) :130-133

[3] 基于Fisher准则和特征聚类的特征选择 [J].

王飒 ;

郑链 .

计算机应用, 2007, (11) :2812-2813+2840

[4] 一种基于信息增益的K-NN改进算法 [J].

魏孝章 ;

豆增发 .

计算机工程与应用, 2007, (19) :188-191

[5] 基于χ2统计量的kNN文本分类算法 [J].

印鉴 ;

谭焕云 .

小型微型计算机系统, 2007, (06) :1094-1097

[6] 基于改进Nave Bayes的垃圾邮件过滤模型研究 [J].

王涛 ;

裘国永 ;

何聚厚 .

计算机工程与应用, 2007, (13) :186-190

[7] 基于差分贡献的垃圾邮件过滤特征选择方法 [J].

张文良 ;

黄亚楼 ;

倪维健 .

计算机工程, 2007, (08) :80-82

[8] 中文文本分类中特征抽取方法的比较研究 [J].

代六玲 ;

黄河燕 ;

陈肇雄 .

中文信息学报, 2004, (01) :26-32

← 1 →