多标记不完备数据的特征选择算法

来源：计算机科学与探索杂志2019年第10期北京时间：

作者：钱文彬，黄琴，王映龙，杨珺

单位：1. 江西农业大学 计算机与信息工程学院，南昌 3300452. 江西农业大学 软件学院，南昌 330045

摘要：多标记数据的特征选择是机器学习和数据挖掘领域的重要研究内容，当前对于多标记数据的特征选择研究大多是针对完备性数据，但在许多应用领域中，连续型数值数据较多，且由于诊测成本和隐私保护等因素导致数据往往呈现出不完备性。为解决上述问题，提出了一种面向多标记不完备数据的特征选择算法。该算法将邻域粗糙集模型应用于多标记不完备数据的特征选择，根据邻域阈值求解多标记不完备数据的邻域粒度，并基于邻域粒度给出了度量多标记不完备数据的特征重要性准则，以此设计了面向多标记不完备数据的特征选择算法。最后，通过在Mulan数据集上的实验结果验证了算法的有效性和可行性。

关键词：不完备数据,粗糙集,特征选择,属性约简