论文部分内容阅读
传统的信息增益算法在类和特征项分布不均时，分类性能明显下降。针对此不足，提出了一种基于信息增益特征关联树的文本特征选择算法（UDsIG）。首先，对数据集按类进行特征选择，降低类分布不均时对特征选择的影响。其次，利用特征分布均匀度改善特征项在类内分布不均对特征选择的干扰，并采用特征关联树模型对类内特征进行处理，保留强相关特征，删除弱相关和不相关特征，降低特征冗余度。最后，使用类间加权离散度的信息增益公式进一步计算，得到更优特征子集。通过对比实验表明，选取的特征具有更好的分类性能。