基于改进的类别分布特征选择方法

徐红国; 王素格

您当前的位置：

首页 >

文章列表页 >

基于改进的类别分布特征选择方法

应用基础研究 | 更新时间：2026-09-14

- 基于改进的类别分布特征选择方法
- A Feature Selection Method Based on Improved Category Distribution
- 中北大学学报（自然科学版） 2011年32卷第2期页码：139-142
- 作者机构：
  
  山西大学数学科学学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(60875040,60970014);教育部高等学校博士点基金资助项目(200801080006);山西省自然科学基金资助项目(2010011021-1,2007011042);太原市科技局明星专项基金资助项目(09121001)
- DOI：
  中图分类号：
- 纸质出版：2011
- 稿件说明：
移动端阅览
徐红国, 王素格. 基于改进的类别分布特征选择方法[J]. 中北大学学报（自然科学版）, 2011,32(2):139-142.

徐红国, 王素格. A Feature Selection Method Based on Improved Category Distribution[J]. 2011, 32(2): 139-142.
徐红国, 王素格. 基于改进的类别分布特征选择方法[J]. 中北大学学报（自然科学版）, 2011,32(2):139-142. DOI：

徐红国, 王素格. A Feature Selection Method Based on Improved Category Distribution[J]. 2011, 32(2): 139-142. DOI：

摘要

随着网络上非平衡数据的大量涌现

使得对非平衡数据分类的研究成为一个新的研究热点.根据特征在类别中的分布特点

提出了基于类间、类内分布的方法.该方法不但充分考虑了稀有类别信息对特征选择的影响

使得构造的类别分布函数能够相当好地反映稀有特征的信息

而且能够选出对非平衡数据分类贡献大的特征.实验结果表明:此方法的MacroF1和MicroF1皆优于基于类别分布的特性选择(Category Distribution-Based Feature Selection

CDFS)和类别信息的方法.

Abstract

With the unbalanced data set emerging in large numbers on the internet

the research on the unbalanced data classification becomes a new hotspot.According to the feature's distribution characteristics in the classification

a new feature selection method based on inter-class and between-classes distributions was proposed.The proposed method not only takes full account of the rare category of information's impact on the feature selection

making the constructed distribution function well reflect the characteristics of rare information

but also selects the features of significant contribution for unbalanced data classification.The experimental results show that both MacroF1 and MicroF1 of the proposed method have advantages over Category DistributionBased Feature Selection(CDFS) method and the class information method.

关键词

Keywords

references

徐燕,李锦涛,王斌,等.不均衡数据集上文本分类的特征选择研究[J].计算机研究与发展,2007,44(Suppl):58-62.Xu Yan,Li Jintao,Wang Bin,et al.A study of feature selection for text categorization on imbalanced data[J].Journal of Computer Research and Development,2007,44(Suppl):58-62.(in Chinese)

Zheng Z,Wu X,Srihari R.Feature selection for text categorization on imbalanced data[C].Proc of ACM SIGKDDExplorations Newsletter.New York:ACM,2004:80-89.

谢纪刚,裘正定.非平衡数据集Fisher线形判别模型[J].北京交通大学学报,2006(10):15-18.Xie Jigang,Qiu Zhengding.Fisher linear discriminant model with class imbalance[J].Journal of Beijing JIaotongUniversity,2006(10):15-18.(in Chinese)

Yan J,Liu N,Zhang B,et al.OCFS:Optimal orthogonal centroid feature selection for text categorization[C].Procof SIGIR’05.New York:ACM,2005:122-129.

余俊英,王明文.文本分类中的类别信息特征选择方法[J].山东大学学报(自然科学版),2006,41(3):1671-9352.Yu Junying,Wang Mingwen.Class information feature selection method for text classification[J].Journal ofShandong University(Natural Science Edition),2006,41(3):1671-9352.(in Chinese)

婧红芳,王斌,杨雅辉,等.基于类别分布的特征选择框架[J].计算机研究与发展,2009,46(9):1586-1593.Jing Hongfang,Wang Bin,Yang Yahui,et al.Category distribution-based feature selection framework[J].Journalof Computer Research and Development,2009,46(9):1586-1593.(in Chinese)

边肇祺,张学工.模式识别[M].北京:清华大学出版社,2001.

浏览量

135

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于领域情感词典与字词特征融合的中文抑郁症文本分类方法

数据开采及其在超市中的应用

基于元学习与VAE⁃GAN的META⁃VAEGAN⁃DNN网络入侵检测方法

《中北大学学报(自然科学版》》征稿简则

动爆试验中的自适应冲击波超压测试传感研究