边缘标记弱化的多标记特征选择算法

• 作者: 吴陈 江健生 王一宾 程玉胜
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 多标记学习 特征选择 标记分布 边缘标记
• 年，卷（期）: 2020,（3）
• 页码范围: 420-430
• 页数: 11页
• 分类号: TP391
• 字数: 5348字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2020.03.005

摘要

在多标记学习中,特征选择是处理数据高维问题和提升分类性能的一种有效手段,然而现有特征选择算法大多是基于标记分布大致平衡这一假设,鲜有考虑标记分布不平衡的问题.针对这一问题,本文提出了一种边缘标记弱化的多标记特征选择算法(Multi-label feature selection algorithm with weakening marginal labels,WML),计算不同标记下正负标记的频数比率作为该标记的权值,然后通过赋权方式弱化边缘标记,将标记空间信息融入到特征选择的过程中,得到一组更为高效的特征序列,提升标记对样本描述的精确性.在多个数据集上的实验结果表明,本文算法具有一定优势,通过稳定性分析和统计假设检验进一步证明本文算法的有效性和合理性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程玉胜		81	339	9.0	14.0
3	王一宾		63	407	10.0	18.0
5	江健生		15	119	4.0	10.0
11	吴陈		2	0	0.0	0.0