论文摘要
基于单标记分类的降维及特征选择方法难以直接运用到多标记学习中,而将多标记学习问题独立分解为多个单标记学习问题再进行降维会丢失标记的相关性信息。为此,提出一种基于嵌入式特征提取的多标记分类算法,将非负矩阵分解引入到多标记学习过程中,在对原始多标记数据集进行特征提取的同时,减少冗余特征、不相关特征及高维特征对多标记分类的影响。在4个公开的标准数据集上进行对比实验,结果表明该算法能对数据进行有效降维,在准确度、精度、F度量值等评价指标上相比传统BR、CC、LM算法具有更好的分类性能。
论文目录
文章来源
类型: 期刊论文
作者: 王晓莹,谢钧,陶性留,邵东生,王忠
关键词: 多标记学习,非负矩阵分解,特征提取,降维,乘性迭代,特征转换
来源: 计算机工程 2019年11期
年度: 2019
分类: 信息科技
专业: 自动化技术
单位: 陆军工程大学指挥控制工程学院,陆军工程大学通信工程学院,31006部队
基金: 国家自然科学基金(61702543)
分类号: TP181
DOI: 10.19678/j.issn.1000-3428.0053016
页码: 172-176
总页数: 5
文件大小: 180K
下载量: 155