多標(biāo)簽分類中的特征選擇算法研究.pdf

1、模式分類通過學(xué)習(xí)已知類別的樣本建立分類器，再對類別未知的樣本進(jìn)行預(yù)測。根據(jù)單個樣本包含標(biāo)簽的多少，通常將分類問題分為單標(biāo)簽分類問題和多標(biāo)簽分類問題兩類。多標(biāo)簽分類問題的每一個樣本與一個或多個標(biāo)簽相關(guān)聯(lián)，標(biāo)簽之間存在相關(guān)性。在多標(biāo)簽數(shù)據(jù)集中，大量冗余特征、不相關(guān)特征的存在，可能會增加分類的復(fù)雜度，甚至導(dǎo)致分類器性能的降低。因此，特征選擇在多標(biāo)簽分類中發(fā)揮著重要的作用。
　　本文基于過濾式的特征選擇算法，構(gòu)建了兩種算法擴展型的多標(biāo)簽特

2、征選擇方法:(1)基于二次規(guī)劃模型和Frank-Wolfe優(yōu)化求解算法的多標(biāo)簽特征選擇算法QPFS-FW;(2)基于Hilbert-Schmidt獨立性準(zhǔn)則和帶控制策略的遺傳算法的多標(biāo)簽特征選擇算法CGA-HSIC。
　　對于QPFS-FW方法，二次規(guī)劃模型同時考察特征之間的冗余性、特征與標(biāo)簽之間的相關(guān)性，F(xiàn)rank-Wolfe算法及其兩種特例形式能快速地求解優(yōu)化問題，并保證解的稀疏性。實驗部分，本文在10個多標(biāo)簽基準(zhǔn)數(shù)據(jù)集上，將

3、QPFS-FW與3種多標(biāo)簽特征選擇方法在10種多標(biāo)簽分類性能評價指標(biāo)、特征子集的大小、特征選擇時間這三個方面上進(jìn)行了對比。實驗結(jié)果表明，QPFS-FW能在較短時間內(nèi)，有效地篩選出維數(shù)最低的特征子集，并提高分類器的性能。
　　對于CGA-HSIC方法，Hilbert-Schmidt獨立性準(zhǔn)則評估特征與標(biāo)簽之間的相關(guān)性，帶控制策略的遺傳算法對每次篩選的特征數(shù)進(jìn)行控制，快速收斂到全局最優(yōu)解。實驗部分，本文首先在Emotions數(shù)據(jù)集上確