在文本分类任务中，提升分类准确率的有效措施可以包括多种特征提取和模型优化方法。针对你提供的选项：

A. **词频特征**
词频特征是最基本的特征之一，它通过统计每个词在文本中出现的频率来构建特征向量。这是最常用的方法之一，尤其在朴素贝叶斯、SVM等传统机器学习模型中效果显著。

B. **依存信息**
依存信息指的是词语之间的语法关系结构，它能够帮助理解文本的深层含义和上下文关系。在自然语言处理中，依存句法分析可以提取出这种信息，提供更丰富的特征，有助于提高分类器对语义的把握能力。

C. **词性信息**
词性信息提供了关于每个词在句子中角色的更多信息，如名词、动词、形容词等。这些信息可以帮助模型更清楚地理解文本的结构和语义，从而提升分类效果。

D. **以上都是**
将词频特征、依存信息、词性信息结合使用，通常能够相互补充，提供更为全面的特征表示。这种多特征融合的方法可以有效提升文本分类的准确率。

因此，正确答案是：**D. 以上都是**。通过综合使用多种特征信息，模型可以更好地抓住文本中的有用信息和潜在模式，从而提升分类准确率。不同的特征可以从不同的角度补充信息，增加模型的泛化能力。