1.一种改进特征提取的算法,其特征在于:包括如下步骤:Step1:输入最终特征空间包含的特征数量k,创建一个新的集合S,F为文档D的所有特征集合;
Step2:遍历F中的每一个特征fs,计算其相关性值RDC(fs),即使用下列方程组计算RDC值:RDC(Wi)=AUC(wi,tcm),
其中Wi为特征词,dfpos(wi)和dfneg(wi)分别是含有词语Wi的文档数量和不含有词语Wi的文档数量,tcj(wi)表示词语Wi在文档j中的数量,AUC(wi,tcj)表示特征词Wi与词频tcj的ROC曲线下面积,tcj-1表示特征词在文档j-1中的数量,tcj+1表示特征词在文档j+1中的数量,tcm表示特征词在最后一个文档m中的数量;
Step3:根据step2所计算出的RDC值进行排序;
Step4:选择最大的RDC的特征fmax;
Step5:添加fmax至集合S;
Step6:从集合F中移除fmax;
Step7:遍历集合F,对每一个特征值令sum(fi)=0;
Step8:遍历集合F,对每一个特征值fi,计算其与S中每一个特征fs的相关度Correlation(fi,fs)并且计算Step9:对集合F中的每一个特征值fi,使用以下公式计算其M(fi)值,即:
M(fi)=RDC(fi)-sum(fi),其中RDC(fi)是特征fi的相关值,并且correlation(fi,fj)表示由它们的相似性值定义的两个特征fi和fj之间的相关性,用Pearson相关系数来计算相关值:其中fi,d和fj,d分别是第d个文档的特征词i和j的词频,和 分别是fi和fj在文档集合中词频的平均值,Correlation(fi,fj)为1时表示最大的正相关,Correlation(fi,fj)为-1时表示最大的负相关,其值介于-1与1之间;
Step10:选择M值最大的特征fmax;
Step11:增加fmax到集合S;
Step12:从集合F中移除fmax;
Step13:重复step8-Step12直到集合S中的数量等于K;
Step14:集合S即为最终选择的特征。