基于流形学习的约束Laplacian分值多标签特征选择

• 作者: 蒋伟东 黄睿
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 多标签分类 特征选择 多标签流形学习 Laplacian分值
• 年，卷（期）: 2018,（19）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 147-150
• 页数: 4页
• 分类号: TP18
• 字数: 3023字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1706-0045

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄睿	上海大学通信与信息工程学院	13	38	4.0	5.0
2	蒋伟东	上海大学通信与信息工程学院	1	1	1.0	1.0