基于类属属性约简的多标记学习

来源：计算机应用杂志2015年第11期北京时间：

作者：徐苏平, 杨习贝, 祁云嵩

单位：江苏科技大学 计算机科学与工程学院, 江苏 镇江 212003

摘要：在多标记学习中,由于不同的标记可能会带有自身的一些特性,所以目前已经出现了基于标记类属属性的多标记学习算法LIFT.然而,类属属性的构建可能会增加属性向量的维度,致使属性空间存在冗余信息.为此,借助模糊粗糙集提出了一种能够进行类属属性约简的多标记学习算法FRS-LIFT,其包含4个步骤:类属属性构建、属性维度约简、分类模型训练和未知样本预测.在5个多标记数据集上的实验结果表明,该算法与LIFT算法相比,不仅能够降低类属属性维数,而且在5种多标记评价指标上均具有较好的实验效果.

关键词：属性约简,模糊粗糙集,类属属性,多标记学习

基金资助：国家自然科学基金资助项目(61471182,61100116,61305058);江苏省自然科学基金资助项目(BK2012700,BK20130471);中国博士后科学基金资助项目(2014M550293).