科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有一些特征选择算法未充分考虑特征和标记之间的相关性，造成分类精度偏低，以及ReliefF算法中样本间分类间隔较大导致分类无意义的问题，提出了一种基于标记相关性和改进ReliefF的多标记特征选择方法。首先，根据正类样本在标记集合中的所占比例定义标记权重，结合互信息和标记权重，构建特征与标记集合之间的相关度计算公式，有效反映特征与标记集的相关性，进而提高算法的分类精度。然后，依据ReliefF模型中的距离计算公式，分别计算样本与最近邻异类样本、最近邻同类样本的距离，提出一种新的样本分类间隔，结合标记权重与分类间隔构建新的特征权值更新公式，有效解决了传统ReliefF算法中因样本间距离过大导致异类样本和同类样本失效的问题。最后，结合标记相关性和改进的ReliefF算法，设计了一种新的多标记特征选择算法。在7个多标记数据集上选择不同评价指标，对所提多标记特征选择算法进行仿真实验与分析，实验结果表明所提算法是有效的。
- 单位
