河南科技大学学报（自然科学版）
河南科技大學學報（自然科學版）
하남과기대학학보（자연과학판）
Journal of Henan University of Science & Technology (Natural Science)
2015年
6期
30-34
,共5页
主成分分析%分块%特征抽取%词聚类
主成分分析%分塊%特徵抽取%詞聚類
주성분분석%분괴%특정추취%사취류
为了降低原始文本特征空间的维数，获得较高的分类精度与执行效率，对多种文本特征提取方法进行了研究，如卡方、互信息、信息增益、主成分分析（PCA）等。针对传统文本特征抽取方法存在的精度不高、执行效率低等问题，提出了一种基于分块主成分分析的文本特征提取算法。该算法通过 K-均值词聚类进行特征词分块，再对各分块实施 PCA 操作抽取出更具代表性的特征项，最后使用支持向量机分类器对文本进行分类。实验结果表明：分块主成分分析的分类指标 Fβ＝1达到了88．7％，执行时间为353 s，能够有效提高文本分类精度与执行效率。
為瞭降低原始文本特徵空間的維數，穫得較高的分類精度與執行效率，對多種文本特徵提取方法進行瞭研究，如卡方、互信息、信息增益、主成分分析（PCA）等。針對傳統文本特徵抽取方法存在的精度不高、執行效率低等問題，提齣瞭一種基于分塊主成分分析的文本特徵提取算法。該算法通過 K-均值詞聚類進行特徵詞分塊，再對各分塊實施 PCA 操作抽取齣更具代錶性的特徵項，最後使用支持嚮量機分類器對文本進行分類。實驗結果錶明：分塊主成分分析的分類指標 Fβ＝1達到瞭88．7％，執行時間為353 s，能夠有效提高文本分類精度與執行效率。
위료강저원시문본특정공간적유수，획득교고적분류정도여집행효솔，대다충문본특정제취방법진행료연구，여잡방、호신식、신식증익、주성분분석（PCA）등。침대전통문본특정추취방법존재적정도불고、집행효솔저등문제，제출료일충기우분괴주성분분석적문본특정제취산법。해산법통과 K-균치사취류진행특정사분괴，재대각분괴실시 PCA 조작추취출경구대표성적특정항，최후사용지지향량궤분류기대문본진행분류。실험결과표명：분괴주성분분석적분류지표 Fβ＝1체도료88．7％，집행시간위353 s，능구유효제고문본분류정도여집행효솔。
