文献类型：期刊文章

作　　者：王晨曦[1,2] 林耀进[1,2] 唐莉[1] 傅为[1] 林培榕[1]

机构地区：[1]闽南师范大学计算机学院,漳州363000 [2]数据科学与智能应用福建省高等学校重点实验室,漳州363000

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金项目(No.61672272;61303131);福建省高校新世纪优秀人才支持计划资助~~

年　　份：2018

卷　　号：31

期　　号：2

起止页码：123-131

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：特征选择旨在从原始特征空间中选择一组规模较小的特征子集,在分类学习任务中提供与原集合近似或更好的性能.文中提出基于信息粒化的多标记特征选择算法,融合标记权重与样本平均间隔,将改进的邻域信息熵应用到特征选择过程中.在6组数据集以及5个评价指标上的实验表明文中算法在分类上的有效性.

关 键 词：特征选择  信息粒化 标记权重  多标记学习

分 类 号：TP18]