原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
随着大数据技术的不断发展，机器学习领域中出现大量的多标记学习问题。特征选
择是数据预处理的关键步骤，可以消除冗余特征，找到最优特征子集，提高多标记分类
的性能。针对传统模糊邻域相似关系没有考虑到标记之间相关性，且逻辑标记会影响算
法的分类性能。因此，本文通过考虑多标记数据中标记之间的相关性以及将逻辑标记转
化为连续型的标记分布，从邻域的角度出发，基于多标记模糊邻域粗糙集、流形学习和
标记增强等理论，设计了两种基于流形学习和标记相关性的多标记特征选择方法，通过
分析理论和实验结果，验证了设计方法
文档评论（0）