期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
结合邻域信息和标记相关性的在线多标记流特征选择算法
被引量:
1
1
作者
包丰浩
林耀进
+1 位作者
李育林
毛煜
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2023年第1期79-89,共11页
现有大多数多标记流特征选择算法在进行特征选择时,往往忽略标记间的相关性,易导致算法预测精度的下降。为解决这一问题,提出一种结合邻域信息和标记相关性的在线多标记流特征选择算法;定义自适应邻域关系解决邻域粗糙集的粒度选择问题...
现有大多数多标记流特征选择算法在进行特征选择时,往往忽略标记间的相关性,易导致算法预测精度的下降。为解决这一问题,提出一种结合邻域信息和标记相关性的在线多标记流特征选择算法;定义自适应邻域关系解决邻域粗糙集的粒度选择问题,将其推广到多标记学习中;利用互信息计算标记间的相关性得到标记权重;通过邻域粗糙集和标记权重评估特征和标记间的相关性,并设计特征在线重要度分析、在线相关性分析和在线冗余度分析3种指标,以实现在线评价动态候选特征。在7组多标记数据集以及5个评价指标上的实验结果表明,所提算法综合性能较优。
展开更多
关键词
流特征
特征选择
邻域粗糙集
标记相关性
多标记学习
下载PDF
职称材料
基于多粒度一致性邻域的多标记特征选择
被引量:
3
2
作者
卢舜
林耀进
+2 位作者
吴镒潾
包丰浩
王晨曦
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2022年第1期60-70,共11页
多标记学习广泛应用于图像分类、疾病诊断等领域,然而特征的高维性给多标记分类算法带来时间负担、过拟合和性能低等问题.基于多粒度邻域一致性设计相应的多标记特征选择算法:首先利用标记空间和特征空间邻域一致性来粒化所有样本,并基...
多标记学习广泛应用于图像分类、疾病诊断等领域,然而特征的高维性给多标记分类算法带来时间负担、过拟合和性能低等问题.基于多粒度邻域一致性设计相应的多标记特征选择算法:首先利用标记空间和特征空间邻域一致性来粒化所有样本,并基于多粒度邻域一致性观点定义新的多标记邻域信息熵和多标记邻域互信息;其次,基于邻域互信息构建一个评价候选特征质量的目标函数用于评价每个特征的重要性;最后通过多个指标验证了所提算法的有效性.
展开更多
关键词
多标记学习
特征选择
多粒度
邻域一致性
下载PDF
职称材料
题名
结合邻域信息和标记相关性的在线多标记流特征选择算法
被引量:
1
1
作者
包丰浩
林耀进
李育林
毛煜
机构
闽南师范大学计算机学院
闽南师范大学数据科学与智能应用福建省高等学校重点实验室
出处
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2023年第1期79-89,共11页
基金
国家自然科学基金面上项目(61672272)
福建省自然科学基金重点项目(2021J02049)。
文摘
现有大多数多标记流特征选择算法在进行特征选择时,往往忽略标记间的相关性,易导致算法预测精度的下降。为解决这一问题,提出一种结合邻域信息和标记相关性的在线多标记流特征选择算法;定义自适应邻域关系解决邻域粗糙集的粒度选择问题,将其推广到多标记学习中;利用互信息计算标记间的相关性得到标记权重;通过邻域粗糙集和标记权重评估特征和标记间的相关性,并设计特征在线重要度分析、在线相关性分析和在线冗余度分析3种指标,以实现在线评价动态候选特征。在7组多标记数据集以及5个评价指标上的实验结果表明,所提算法综合性能较优。
关键词
流特征
特征选择
邻域粗糙集
标记相关性
多标记学习
Keywords
streaming feature
feature selection
neighborhood rough set
label correlation
multi-label learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于多粒度一致性邻域的多标记特征选择
被引量:
3
2
作者
卢舜
林耀进
吴镒潾
包丰浩
王晨曦
机构
闽南师范大学计算机学院
福建省数据科学与智能应用高校重点实验室
出处
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2022年第1期60-70,共11页
基金
国家自然科学基金(62076116)
福建省自然科学基金(2021J02049,2020J01811)。
文摘
多标记学习广泛应用于图像分类、疾病诊断等领域,然而特征的高维性给多标记分类算法带来时间负担、过拟合和性能低等问题.基于多粒度邻域一致性设计相应的多标记特征选择算法:首先利用标记空间和特征空间邻域一致性来粒化所有样本,并基于多粒度邻域一致性观点定义新的多标记邻域信息熵和多标记邻域互信息;其次,基于邻域互信息构建一个评价候选特征质量的目标函数用于评价每个特征的重要性;最后通过多个指标验证了所提算法的有效性.
关键词
多标记学习
特征选择
多粒度
邻域一致性
Keywords
multi-label learning
feature selection
multi-granularity neighborhood consistency
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
结合邻域信息和标记相关性的在线多标记流特征选择算法
包丰浩
林耀进
李育林
毛煜
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2023
1
下载PDF
职称材料
2
基于多粒度一致性邻域的多标记特征选择
卢舜
林耀进
吴镒潾
包丰浩
王晨曦
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2022
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部