基于模拟退火的多标记数据特征选择
多标记数据有很多的冗余特征和数据,为了解决多标记数据中冗余和无关特征,提高多标记学习算法的泛化能力.提出一个基于模拟退火的卷积式特征选择方法——SAML(simulated annealing based feature selection for multi-label data),已有的算法只是使用了遗传算法来进行优化,新算法采用模拟退火来寻找最优子集,其效果在已有的工作中表现出比前者遗传算法更好的效果.在用于公开评测的Yahoo网页分类数据集上的实验结果表明,SAML算法的性能优于新近提出的一些流行的多标记特征选择方法.
多标记学习、特征选择、模拟退火、维数约简、YAHOO网页
32
TP391.41(计算技术、计算机技术)
国家自然科学基金项目61005006
2011-12-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
2494-2496,2500