典型文献
基于图拉普拉斯的多标签类属特征选择
文献摘要：
多标签特征选择能够有效去除冗余特征并提升分类精度,是解决"维数灾难"问题的有效方法.然而,已有的多标签特征选择算法是对所有标签选择出相同的特征,忽略了标签与特征之间的内在联系.事实上,每个标签都具有反映该标签特有属性的特征,即类属特征.提出一种基于图拉普拉斯的多标签类属特征选择(multi-label label-specific feature selection based on graph Laplacian,LSGL)算法.对于每个类别标签,基于拉普拉斯映射获得数据的低维嵌入,再通过稀疏正则化获得数据空间到嵌入空间的投影矩阵,接着通过分析矩阵系数确定每个标签相应的类属特征,最后使用类属特征进行分类.在5个公共多标签数据集上的多标签特征选择与分类实验结果证明了所提算法的有效性.
文献关键词：
多标签学习;特征选择;类属特征;图拉普拉斯
中图分类号：
作者姓名：
吴喆君;黄睿
作者机构：
上海大学通信与信息工程学院,上海200444
文献出处：
引用格式：
[1]吴喆君;黄睿-.基于图拉普拉斯的多标签类属特征选择)[J].上海大学学报（自然科学版）,2022(02):281-290
A类：
类属特征,LSGL
B类：
图拉普拉斯,冗余特征,分类精度,维数灾难,特征选择算法,标签选择,特有属,multi,label,specific,feature,selection,graph,Laplacian,得数,低维嵌入,稀疏正则化,数据空间,投影矩阵,标签数据集,多标签学习
AB值：
0.22608
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
