La selección de características desempeña un papel fundamental en la categorización de textos. Durante la selección de características, los términos de alta frecuencia y las contribuciones relativas interclase e intraclase de los términos tienen efectos significativos en los resultados de la clasificación. Por ello, en este artículo proponemos un enfoque de selección de características, IIRCT, basado en las contribuciones relativas interclase e intraclase de los términos. En nuestro algoritmo propuesto, se consideran sintéticamente tres factores críticos, que son la frecuencia de los términos y la contribución relativa interclase y la contribución relativa intraclase de los términos. Por último, se realizan experimentos con la ayuda del clasificador kNN. Y los resultados correspondientes en 20 corpus NewsGroup y SougouCS muestran que el algoritmo IIRCT logra un mejor rendimiento que los algoritmos DF, t-Test y CMFS.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Evaluación termomecánica de la deformación plástica en modelos de nanocompuestos de arcilla y poliamida amorfa
Artículo:
Control de modo deslizante para motores de inducción sin rodamientos basado en un novedoso observador del par de carga
Artículo:
Evaluacón de genes biosintéticos de policétidos provenientes de suelo de la selva atlántica brasileña
Artículo:
Un novedoso esquema de clasificación e identificación de señales de emisores basado en la agrupación de Ward y las redes neuronales probabilísticas con análisis de correlación
Artículo:
Dinámica de la memoria en las redes de atracción