作为解决多标记学习中维数灾难的一种有效方式,特征选择得到了多数学者的研究。然而,目前大多研究并未考虑到标记的不平衡性。因此,首先通过标记出现的频率将标记空间划分成密标记空间和稀标记空间,并利用Jaccard相似系数对样本空间进行划分,再利用粗糙互信息分别计算在不同样本空间下,标记与特征的相关性。将密、稀标记空间分别赋权并融合得到新的特征序列,最后进行标记预测。通过在多个基准数据集上对比多种算法的实验结果分析表明,算法具有一定优势。假设检验分析进一步说明了算法的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
