文献类型：期刊文章

作　　者：段洁[1] 胡清华[1] 张灵均[1] 钱宇华[2] 李德玉[2]

机构地区：[1]天津大学计算机科学与技术学院,天津300072 [2]山西大学计算机与信息技术学院,太原030006

出　　处：《计算机研究与发展》

基　　金：国家自然科学基金优秀青年科学基金项目(61222210);国家自然科学基金重点项目(61432011);国家自然科学基金面上项目(61272095)

年　　份：2015

卷　　号：52

期　　号：1

起止页码：56-65

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：多标记学习是一类复杂的决策任务,同一个对象可能同时属于多个类别.此类任务在文本分类、图像识别、基因功能分析等领域广泛存在.多标记分类任务往往由高维特征描述,存在大量无关和冗余的信息.目前已经提出了大量的单标记特征选择算法以应对维数灾难问题,但对于多标记的属性约简和特征选择却鲜有研究.将粗糙集应用于多标记数据的特征选择中,针对多标记分类任务,重新定义了邻域粗糙集的下近似和依赖度计算方法,探讨了这一模型的性质,进而构造了基于邻域粗糙集的多标记分类任务的特征选择算法,并给出了在公开数据上的实验结果.实验分析证明算法的有效性.

关 键 词：多标记分类  特征选择  邻域粗糙集 依赖度

分 类 号：TP18]