F的两种多标签特征选择算法.PDFVIP

第３４卷第７期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．７ ２０１７年７月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｌ．２０１７ 扩展ＲｅｌｉｅｆＦ的两种多标签特征选择算法 马晶莹　宣恒农 （南京财经大学信息工程学院　江苏南京２１００００） 摘　要　　针对ＲｅｌｉｅｆＦ算法局限于单标签数据问题，提出两种多标签特征选择算法ＭｕｌｔＲｅｌｉｅｆＦ和ＭＡ算法。 ＭｕｌｔＲｅｌｉｅｆＦ算法重新定义了类内最近邻和类外最近邻的查找方法，并加入标签的贡献值更新特征权重公式。Ｍ Ａ算法在ＭｕｌｔＲｅｌｉｅｆＦ算法的基础下，利用邻域能去除冗余的特性，更多地去除冗余特征达到更好的降维效果。 采用ＭＬＫＮＮ分类算法进行实验。在多个数据集上测试表明，ＭｕｌｔＲｅｌｉｅｆＦ算法能提高分类效果，ＭＡ算法能获 得最小的特征子集。 关键词　　多标签分类　特征选择　数据降维　ＲｅｌｉｅｆＦ　邻域粗糙集 中图分类号　ＴＰ１８１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０７．０５５ ＴＷＯＦＥＡＴＵＲＥＳＥＬＥＣＴＩＯＮＡＬＧＯＲＩＴＨＭＳＦＯＲＭＵＬＴＩＬＡＢＥＬ ＣＬＡＳＳＩＦＩＣＡＴＩＯＮＢＹＥＸＴＥＮＤＩＮＧＲＥＬＩＥＦＦ ＭａＪｉｎｇｙｉｎｇ　ＸｕａｎＨｅｎｇｎｏｎｇ （ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓ，Ｎａｎｊｉｎｇ２１００００，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＴｈｅＲｅｌｉｅｆＦｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｉｓｌｉｍｉｔｅｄｔｏｓｉｎｇｌｅｌａｂｅｌｄａｔａ．Ｃｏｎｃｅｒｎｉｎｇｔｈｉｓｐｒｏｂｌｅｍ，ｔｗｏｍｕｌｔｉ ｌａｂｅｌｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓｔｅｒｍｅｄＭｕｌｔＲｅｌｉｅｆＦａｎｄＭＡａｒｅｐｒｏｐｏｓｅｄ．ＴｈｅＭｕｌｔＲｅｌｉｅｆＦａｌｇｏｒｉｔｈｍｒｅｄｅｆｉｎｅｄｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐｏｆｔｈｅｎｅａｒｅｓｔｎｅｉｇｈｂｏｒｓａｎｄｕｐｄａｔｉｎｇｆｏｒｍｕｌａｏｆｆｅａｔｕｒｅｗｅｉｇｈｔｓａｎｄａｄｄｅｄｔｈｅｌａｂｅｌｃｏｎｔｒｉｂｕｔｉｏｎｔｏｕｐｄａｔｅ ｔｈｅｆｅａｔｕｒｅｗｅｉｇｈｔｆｏｒｍｕｌａ．ＢａｓｅｄｏｎｔｈｅＭｕｌｔＲｅｌｉｅｆＦａｌｇｏｒｉｔｈｍ，ｃｏｍｂｉｎｉｎｇｗｉｔｈｎｅｉｇｈｂｏｒｈｏｏｄｒｏｕｇｈｓｅｔｔｏａｃｈｉｅｖｅ ｂｅｔｔｅｒｅｆｆｅｃｔｏｆｔｈｅｆｅａｔｕｒｅｄｉｍｅｎｓｉｏｎｒｅｄｕｃｔｉｏｎ，ｓｅｃｏｎｄａｒｙｒｅｄｕｃｔｉｏｎａｌｇｏｒｉｔｈｍＭＡｉｓｐｒｏｐｏｓｅｄｂｙａｌｓｏａｄｏｐｔｉｎｇｔｈｅＭＬ ＫＮＮｓｏｒｔｉｎｇａｌｇｏｒｉｔｈｍ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎｄａｔａｓｅｔｓｓｈｏｗｔｈａｔＭｕｌｔＲｅｌｉｅｆＦａｌｇｏｒｉｔｈｍｃａｎｉｍｐｒｏｖｅｃｌａｓｓｉｆｉｃａｔｉｏｎ ｅｆｆｅｃｔａｎｄＭＡｃａｎｏｂｔａｉｎｓｍａｌｌｅｒｆｅａｔｕｒｅｓｕｂｓｅｔ． Ｋｅｙｗｏｒｄｓ　　Ｍｕｌｔｉｌａｂｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎ　Ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ　Ａｔｔｒｉｂｕｔｅｒｅｄｕｃｔｉｏｎ　ＲｅｌｉｅｆＦ　Ｎｅｉｇｈｂｏｒｈｏｏｄｒｏｕｇｈｓｅｔｓ 特征，这会使得后继分类工作难度增加。特征选择是 ０　引　言 指从原始特征集中，选出能使某种评价标准最优的特 征子集。在分类任务前，对特征集约简，能够有效减少 在传统的分类任务中，每个样本仅有一个类别标 描述样本的特征个数，缩短运行时间，提高分类精度。 签。然而在许多现实问题中，一个对象能够同时被多