论文研究 基于PSO ICA的文本分类研究.pdf

文本分类在采用向量空间模型（VSM）表达文本特征时，容易出现特征向量高维且稀疏的现象，为了对原始的文本特征向量进行有效简化，提出了一种基于粒子群（PSO）优化独立分量分析（ICA）进行降维的方法，并将其运用到文本分类中。在该算法中，以负熵作为粒子群算法的适应度函数，依据其高斯性原理作为独立性判别标准对分离矩阵进行自适应更新。实验结果表明，相比于传统的特征降维方法，该方法可以解决高维度文本特征向量降维困难的问题，使得文本分类的效率、准确率显著提升。