论文部分内容阅读
在文本分类中，特征空间的维数通常高达几万，甚至远远超出训练样本的个数，这是一种十分普遍的现象．为了提高文本挖掘算法的运行速度，降低占用的内存空间，过滤掉不相关或相关程度低的特征，必须使用特征选择算法．首先给出了一个基于最小词频的文档频方法，然后把变精度粗糙集引入进来并提出了一个基于信息熵的属性约简算法。最后把该属性约简算法同基于最小词频的文档频方法结合起来，提出了一个综合的特征选择算法．该综合算法首先利用基于最小词频的文档频方法进行特征选择，然后利用所提属性约简算法消除冗余，从而获得较具代表性的特征子集．