多标记不完备数据的特征选择算法

• 作者: 杨珺 王映龙 钱文彬 黄琴
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 不完备数据 粗糙集 特征选择 属性约简
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1768-1780
• 页数: 13页
• 分类号: TP18
• 字数: 9483字
• 语种: 中文

摘要

多标记数据的特征选择是机器学习和数据挖掘领域的重要研究内容,当前对于多标记数据的特征选择研究大多是针对完备性数据,但在许多应用领域中,连续型数值数据较多,且由于诊测成本和隐私保护等因素导致数据往往呈现出不完备性.为解决上述问题,提出了一种面向多标记不完备数据的特征选择算法.该算法将邻域粗糙集模型应用于多标记不完备数据的特征选择,根据邻域阈值求解多标记不完备数据的邻域粒度,并基于邻域粒度给出了度量多标记不完备数据的特征重要性准则,以此设计了面向多标记不完备数据的特征选择算法.最后,通过在Mulan数据集上的实验结果验证了算法的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨珺	江西农业大学计算机与信息工程学院	43	143	8.0	10.0
5	王映龙	江西农业大学计算机与信息工程学院	82	408	13.0	17.0
6	钱文彬	江西农业大学计算机与信息工程学院	16	34	3.0	5.0
10	黄琴	江西农业大学计算机与信息工程学院	3	3	1.0	1.0