基于互信息的Fisher Score多标记特征选择

摘要：

目前,Fisher Score模型在处理多标记数据时没有考虑样本和整个特征空间之间以及特征和标记之间的关系.提出一种基于互信息的Fisher Score多标记特征选择方法.首先,在多标记决策系统中考虑整个样本空间对特征选择的影响,根据异类样本与同类样本之间的欧式距离定义权重公式,并在特征空间下对标记赋予权重衡量标记的重要程度.然后,基于互信息理论定义特征与每个标记之间的互信息来计算每个特征和每个标记之间的相关度,将特征与标记之间的相关度与该标记所占的权重相结合来定义特征和标记集之间的总相关度.将Fisher得分与总相关度结合,定义每个特征的新的Fisher得分,进而构建多标记Fisher Score模型.最后,设计了一种基于互信息的Fisher Score多标记特征选择算法.在六个多标记数据集上的实验证明,提出的算法与其他算法相比,其四种评价指标都表现良好,分类性能出色.

关键词：多标记学习、特征选择、互信息、Fisher Score

所属期刊栏目：59

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金;河南省科技攻关项目

在线出版日期：2023-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：55-66