基于粗糙集与泛系等价算子的特征选择.pdfVIP

第36卷 第l9期 计 算 机 工 程 2010年 10月 1IoL36 No．19 ComputerEngineering October 2010 · 软件技术与数据库 · 文章编号：100m_3428(2010)19—_0039—_03 文献标识码；A 中围分类号。TP301 基于粗糙集与泛系等价算子的特征选择 朱颞东 ，钟 勇 (1．中国科学院成都计算机应用研究所，成都 610041；2．中国科学院研究生院，北京 l00039) 摘 要：传统特征选择方法选出的特征子集存在冗余，并且不具备较好的代表性。针对该问题，提出基于粗糙集与泛系等价算子的特征选 择方法。利用基于最小词频的文档频提取初始特征，通过泛系等价算子对粗糙集进行扩展 ，并给出属性约简算法消除冗余，从而获得较具 代表性的特征子集。实验结果表明，该方法具有较高的准确率和召回率。 关键词：文本分类；文档频 ；泛系等价算子；粗糙集；属性约简 FeatureSelectionBased0nRoughSet andPansystemsEquivalenceOperator ZHU Hao．dong1,2ZHONGYong1,2 (1．ChengduInstituteofComputerApplication，ChineseAcademyofSciences，Chengdu610041，China； 2．GraduateSchoolofChineseAcademyofSciences，Beijing100039，China) [Abstract]Featuresubsetwhichisselectedbytraditionalfeatureselectionmethodhasmanyredundantfeaturesanditisnotrepresentative．Aiming atthisproblem，thispaperpresentsafeatureselectionmehtodbasedonRoughSet(RS)nadpansystemsequivalenceoperator．ThemethodUSeSthe documentfrequencybasedonminimum wordfrequencytoextractoriginalfeatures，usespansystemsequivalenceoperatortoexpandRSandgives anattributereductionalgorithm toelimniateredundancy．Itcan acquiremorerepresentativefeaturesubset．Experimentalresultsshow thatthe methodhashigherprecisionandrecal1． [Keywords!textcategorization；documentfrequency；pansystemsequivalenceoperator；RoughSet(RS)；attributereduction 1 概述 有问题都具有等价关系，这就限制了该理论的应用_4J。泛系 文本分类系统常采用特征集来表示文本，这使特征向量 理论是由我国学者吴学谋提出的一门跨域学科，它主要强调 维数高达数十万维。由于高维的特征对后续分类任务未必有 泛系关系中的数学研究，如宏观对微观、动态对静态等，这 益…，因此必须对特征向量进行降维。特征选择就是为解决 就使得许多问题在理论上有了新认识和新实现 J。本文使用 该问题而产生的一个关键步骤。综上所述，本文提出一种新 泛系等价算子对粗糙集进行扩展并以此为基础提出鹰于泛系