结合ReliefF和互信息的多标签特征选择算法
针对传统单标签特征选择算法不能直接应用于多标签数据的问题, 提出一种多标签特征选择算法——MML-RF算法. 在ReliefF的基础上, MML-RF算法提出新的类内最近邻样本查找方式, 并结合多标签的贡献值改进特征权值的计算方法, 能很好地适应多标签数据的特点; 同时为了减少特征冗余, MML-RF算法以互信息作为特征冗余度量方式, 提出一种去冗余方法, 能够得到更小的特征子集. 实验表明, MML-RF多标签特征选择算法得到的特征子集规模较小, 且在多标签数据集上具有很好的分类效果, 能够提升多标签学习和数据挖掘工作的效率.
特征选择、多标签学习、ReliefF、互信息、特征冗余
35
TP181(自动化基础理论)
国家自然科学基金资助项目61572144;广东省科技计划项目2013B091300009, 2014B070706007, 2017B030307002
2018-10-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
20-25,50