典型文献
流缺失标记环境下的多标记特征选择
文献摘要：
在监督学习实际任务中,特征的高维性、标记的动态性和缺失性为监督学习带来严峻的挑战.为解决这些不足,提出流缺失标记环境下的多标记特征选择算法.首先,为解决缺失标记的影响,通过学习标记相关性填补不完整的标记矩阵.其次,利用稀疏学习方法为每个新到达的标记选择类属属性.然后,根据已到达标记的类属属性,通过计算得分选取一个有代表性的特征子集.最后,在11个基准数据集上进行一系列实验表明,所提算法能选择有代表性的特征子集,且分类性能较优.
文献关键词：
多标记学习;特征选择;类属属性;缺失标记;流标记
中图分类号：
作者姓名：
张志浩;林耀进;卢舜;吴镒潾;王晨曦
作者机构：
闽南师范大学计算机学院,福建漳州363000;数据科学与智能应用福建省高校重点实验室,福建漳州363000
文献出处：
引用格式：
[1]张志浩;林耀进;卢舜;吴镒潾;王晨曦-.流缺失标记环境下的多标记特征选择)[J].山东大学学报（理学版）,2022(08):39-52
A类：
B类：
缺失标记,多标记特征选择,监督学习,高维性,出流,特征选择算法,标记相关性,稀疏学习,类属属性,分选,特征子集,基准数据集,系列实验,分类性能,多标记学习,流标记
AB值：
0.337743
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。
