基于样本相似最小偏差的多标签特征选择
多标签学习是处理每个样本同时属于多个标签的数据.在多标签学习中,数据降维是一项重要而又具有挑战性的任务.特征选择是通过保持最大相关信息选取一个特征子集,它是一种高效的数据降维技术.考虑样本相似性的最小偏差,提出一种新的多标签特征选择方法.首先,由于多标签结构的特殊性可以得出一个样本相似性矩阵;其次,通过标签空间和特征空间的依赖关系构造优化目标函数;继而,提出特征排序算法和贪婪算法;最后,实验结果表明,提出的算法具有很好的特征选择性能.
多标签学习 特征选择 样本相似性 最小偏差
蔡志铃 祝峰
闽南师范大学粒计算重点实验室 漳州363000
国内会议
福州
中文
1-5
2015-12-11（万方平台首次上网日期，不代表论文的发表时间）