Bag-of-Features(BoF)模型在多媒体和计算机视觉领域的很多问题中都有着广泛的应用。BoF的核心思想是将图像局部特征描述符量化到视觉单词,使得一张图被表示成视觉单词的直方图。通常,我们首先利用聚类算法将局部特征描述符聚合成一些类簇。在量化过程中,局部特征描述符参考类簇中心被映射到一个或多个视觉单词。在这篇文章中,简单的使用类簇中心来表示视觉单词可能会得到不理想得映射。更理想的方法应该是在量化时进一步捕捉类簇的大小来表示视觉单词。为了达到这个目的,我们介绍了一种简单而有效的量化算法,称为有效半径编码(ERC)。在我们的方法中,类簇的有效半径和中心共同代表视觉单词。为了有效的估计有效半径,我们通过计算许多支撑类簇的锚点来捕捉类簇大小。我们还利用有效半径拓展了传统的k-means方法来提升视觉单词的生成过程。此外,我们还提出了一种新的基于有效半径的软分配编码方法(ERSC),在保证编码效果的前提下大大提高了编码的效率。实验结果证明了我们提出的算法提高了Bag-of-Features模型,领先于现存最先进的技术。