10.3778/j.issn.1002-8331.1706-0045
基于流形学习的约束Laplacian分值多标签特征选择
多标签特征选择是针对多标签数据的特征选择技术,提高多标签分类器性能的重要手段.提出一种基于流形学习的约束Laplacian分值多标签特征选择方法(Manifold-based Constraint Laplacian Score,M-CLS).方法分别在数据特征空间和类别标签空间定义两种Laplacian分值:在特征空间利用逻辑型类别标签的相似性对邻接矩阵进行改进,定义特征空间的约束Laplacian分值;在标签空间基于流形学习将逻辑型类别标签映射为数值型,定义实值标签空间的Laplacian分值.将两种分值的乘积作为最终的特征评价指标.实验结果表明,所提方法性能优于多种多标签特征选择方法.
多标签分类、特征选择、多标签流形学习、Laplacian分值
54
TP18(自动化基础理论)
上海市自然科学基金16ZR1411100
2018-10-26（万方平台首次上网日期，不代表论文的发表时间）
共4页
147-150
