1.基于协方差度量因子的特征选择方法，其特征在于，包括以下步骤：步骤1、选取不同的文本类型数据集进行预处理操作，利用向量空间模型对文本数据进行表示，将数据中出现的文档数多于总数的25％或少于3篇的特征词去掉，之后将数据集划分为训练集和测试集；

步骤2、设置最优特征子集的大小为C，使用特征排序函数计算训练集数据每个特征词的得分，按照分数对特征词进行降序排列，选择排名为前C的特征词作为最优特征子集的元素，根据得到的最优特征子集分别完成对训练集和测试集数据的降维处理；具体包括以下步骤：步骤2.1、根据公式(1)计算训练集特征词t式(1)中，tp表示类c

步骤2.2、根据公式(2)计算训练集特征词tTCM(t

式(2)中，tpr和fpr分别表示特征词t步骤2.3、根据公式(3)计算特征词t式(3)中，k表示类别编号，P(c

步骤2.4、根据训练集中每个特征词的COV-TCM得分对特征进行降序排序，选择排名前C的特征词作为最优特征；

步骤2.5、分别对训练集和测试集数据进行处理，删去文档中最优特征子集不包含的特征词，保留最优特征子集包含的特征词，得到降维处理的训练集数据D步骤3、利用步骤2得到的训练集数据D步骤3.1、根据公式(4)计算训练集中类别c式(4)中，N

步骤3.2、根据公式(5)计算训练集中类别c式(5)中，D

步骤3.3、根据公式(6)计算训练集中类别c步骤3.4、根据公式(7)计算训练集中类别c式(7)中，Z

步骤3.5、根据公式(8)和(9)对测试集数据中样本x，x＝{t

2.如权利要求1所述的基于协方差度量因子的特征选择方法其特征在于，所述步骤1中的预处理操作包括分词操作，并去除文本中的停用词。

3.如权利要求1所述的基于协方差度量因子的特征选择方法其特征在于，所述步骤1中将数据集划分为训练集和测试集具体为：随机选取数据集中90％的样本作为训练集数据，将剩下的10％的样本作为测试集数据。