基于加权信息粒化的多标记数据特征选择算法

摘要：

特征选择能去除不相关和冗余的特征,是解决多标记数据维度灾难的有效工具.现有的多标记特征选择算法没有考虑标记空间存在的相关性,认为每个样本的相关标记的重要性相同,并且忽略了特征空间可能是标记重要性差异形成的内在因素,使得选择的特征不能精确全面地刻画样本且计算过程复杂.为此,本文利用标记间的相关性对标记空间进行划分以简化计算,并定义标记重要性度量和特征权重,在此基础上提出了一种基于加权信息粒化的多标记特征选择算法.通过在真实多标记数据集上的实验对比分析,本文提出的算法在各项评价指标上均优于其他对比算法,验证了算法的有效性和可行性.

关键词：邻域粗糙集、信息粒化、多标记学习、标记重要性、标记关系、特征权重、特征选择、谱聚类

所属期刊栏目：18

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;重庆市自然科学基金;重庆市自然科学基金;重庆市教委重点合作项目

在线出版日期：2023-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：619-628