典型文献
信息适应性分层粒化的多标签特征选择
文献摘要：
在机器学习中,特征选择是降低高维问题复杂性的有效方式之一.大多数特征选择算法是通过设计重要特征度量方法来提出备选特征序列,再根据序列选择特征子集.在此基础上,产生了划分特征子集作为独立空间学习的特征选择方法.然而,现有的空间划分机制多是人为切割原始特征空间得到的,鲜有人考虑因度量结果差异性导致的特征层次化现象,并以此划分空间.基于此,本文利用模糊互信息和有向无环图设计了一个分层模型,并提出了基于信息适应性分层粒化的多标签特征选择算法.同时,将获取的特征子集在标准多标签数据集上与多个先进算法进行对比实验,结果证明了本文算法的有效性.
文献关键词：
特征选择;模糊互信息;信息适应性;粒计算;特征分层
中图分类号：
作者姓名：
王一宾;缪佳李;程玉胜
作者机构：
安庆师范大学 计算机与信息学院,安徽 安庆 246133
文献出处：
引用格式：
[1]王一宾;缪佳李;程玉胜-.信息适应性分层粒化的多标签特征选择)[J].安庆师范大学学报（自然科学版）,2022(04):37-43
A类：
适应性分层,模糊互信息
B类：
信息适应性,粒化,多标签,高维问题,有效方式,特征选择算法,计重,出备,备选,特征序列,序列选择,特征子集,分特征,空间学习,选择方法,空间划分,分机,特征空间,层次化,有向无环图,分层模型,标签数据集,粒计算,特征分层
AB值：
0.369854
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。
