摘要
【目的】对适用于特征选择的算法进行研究,有效提高文本分类精度和效率。【方法】结合特征选择特点,以可拓理论为基础构造小生境量子粒子群算法,通过改进增强算法搜索能力,将不同的特征选择方法用于文本分类并进行比较。【结果】实验结果表明,与IG、MI等方法相比,基于可拓小生境量子粒子群算法的特征选择在文本分类中取得了较好效果,算法的求解精度得到明显提升。【局限】所提出的特征选择方法在时间效率上有待改善。【结论】对量子粒子群算法的改进措施有效提高了算法的搜索能力,在特征选择的应用中达到较好的效果。
[Objective] This study proposes an algorithm for feature selection aiming to improve the precision and efficiency of text classification. [Methods] First, we selected features based on their characteristics. Then, we constructed the algorithm with extension theory to strengthen its searching ability. Finally, we compared the performance of different methods for text classification. [Results] Compared with IG, MI and QPSO, the proposed algorithm had better accuracy in feature selection. [Limitations] The efficiency of our algorithm needs to be improved. [Conclusions] The modified QPSO Algorithm is an effective way to select features.
作者
李志鹏
李卫忠
Li Zhipeng Li Weizhong(Air and Missile Defense College, Air Force Engineering University, Xi＇an 710051, China)
出处
《数据分析与知识发现》
CSSCI
CSCD
2017年第7期82-89,共8页
Data Analysis and Knowledge Discovery
基金
国家自然科学基金项目"基于ELM和D-S证据理论的‘低慢小’目标识别中的不确定信息融合方法研究"(项目编号:61503407)的研究成果之一
关键词
特征选择
量子粒子群
可拓理论
小生境
适应度共享
Feature Selection Quantum-behaved Particle Swarm Extenics Niche Fitness Sharing
