山东大学学报(理学版)

作者：张志浩,林耀进,卢舜,吴镒潾,王晨曦

单位：1.闽南师范大学计算机学院, 福建 漳州 363000;2.数据科学与智能应用福建省高校重点实验室, 福建 漳州 363000

关键词：多标记学习,特征选择,类属属性,缺失标记,流标记,

基金：国家自然科学基金资助项目(62076116);福建省自然科学基金资助项目(2020J01811,2020J01792)

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。

来源：2022年第8期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2022年第8期