论文部分内容阅读
在多标记学习框架中，特征选择是解决维数灾难，提高多标记分类器的有效手段。提出了一种融合特征排序的多标记特征选择算法。该算法首先在各标记下进行自适应的粒化样本，以此来构造特征与类别标记之间的邻域互信息。其次，对得到邻域互信息进行排序，使得每个类别标记下均能得到一组特征排序。最后，多个独立的特征排序经过聚类融合成一组新的特征排序。在4个多标记数据集和4个评价指标上的实验结果表明，所提算法优于一些当前流行的多标记降维方法。