科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对基于粗糙集的大部分多标记特征选择方法存在的忽略样本的模糊性和邻域关系、手动设置邻域半径、从单一的样本空间度量属性重要度等问题，文中利用模糊邻域粗糙集弥补经典粗糙集的不足，并在此基础上从特征空间和标记空间出发，提出基于双空间模糊邻域相似关系的多标记特征选择算法.首先，设计自适应邻域半径的计算方法，构建特征空间下样本的模糊邻域相似矩阵.再根据模糊邻域相似关系，得出特征空间下的样本相似度及标记空间下的样本相似度.然后，通过权重将特征空间和标记空间上的样本相似度进行融合，基于融合后的度量计算属性重要度.最后，运用前向贪心算法构建多标记特征选择算法.在12个多标记数据集上的对比实验验证文中算法的有效性.
- 单位
