典型文献
基于多粒度一致性邻域的多标记特征选择
文献摘要：
多标记学习广泛应用于图像分类、疾病诊断等领域,然而特征的高维性给多标记分类算法带来时间负担、过拟合和性能低等问题.基于多粒度邻域一致性设计相应的多标记特征选择算法:首先利用标记空间和特征空间邻域一致性来粒化所有样本,并基于多粒度邻域一致性观点定义新的多标记邻域信息熵和多标记邻域互信息;其次,基于邻域互信息构建一个评价候选特征质量的目标函数用于评价每个特征的重要性;最后通过多个指标验证了所提算法的有效性.
文献关键词：
多标记学习;特征选择;多粒度;邻域一致性
中图分类号：
作者姓名：
卢舜;林耀进;吴镒潾;包丰浩;王晨曦
作者机构：
闽南师范大学计算机学院,漳州,363000;福建省数据科学与智能应用高校重点实验室,闽南师范大学,漳州,363000
文献出处：
引用格式：
[1]卢舜;林耀进;吴镒潾;包丰浩;王晨曦-.基于多粒度一致性邻域的多标记特征选择)[J].南京大学学报（自然科学版）,2022(01):60-70
A类：
邻域信息熵
B类：
多粒度,多标记特征选择,多标记学习,图像分类,疾病诊断,高维性,多标记分类,分类算法,来时,过拟合,邻域一致性,特征选择算法,特征空间,空间邻域,粒化,有样,点定,定义新,邻域互信息,信息构建,指标验证
AB值：
0.293467
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。
