当前位置:主页 > 科技论文 > 自动化论文 >

基于最大相关最小冗余的多标记特征选择

发布时间:2018-01-27 23:30

  本文关键词: 多标记学习 特征选择 最大相关最小冗余 数据降维 出处:《数码设计》2016年02期  论文类型:期刊论文


【摘要】:针对多标记学习中高维数据运行速度问题,提出一种基于最大相关最小冗余的特征选择算法ML-MRMR。利用数据与标记的互信息,获得了最大相关性最少冗余性特征集合。分析了所选特征百分比与精度关系。实验结果表明,所提出算法在速度和精度上都具有明显的优势。
[Abstract]:Aiming at the problem of running speed of high-dimensional data in multi-label learning, a feature selection algorithm ML-MRMR-based on maximum correlation and minimum redundancy is proposed. The maximum correlation minimum redundancy feature set is obtained and the relationship between the selected feature percentage and accuracy is analyzed. The experimental results show that the proposed algorithm has obvious advantages in speed and accuracy.
【作者单位】: 闽南师范大学福建省粒计算重点实验室;
【基金】:国家自然科学基金61379049
【分类号】:TP181
【正文快照】: 引言 随着计算机网络和信息化的发展,网络数据和资源呈海量特征,数据的标注结构复杂程度也在增加,传统的单标记方法无法满足对复杂数据进行分析处理的需求,以机器学习技术为基础的多标记学习技术现已成为一个研究热点,其研究成果广泛地应用于各种不同的领域,如图像视频的语义

【相似文献】

相关期刊论文 前10条

1 钱学双;多重筛选逐步回归特征选择法及其应用[J];信息与控制;1986年05期

2 王新峰;邱静;刘冠军;;基于特征相关性和冗余性分析的机械故障特征选择研究[J];中国机械工程;2006年04期

3 张葛祥;金炜东;胡来招;;满意特征选择及其应用[J];控制理论与应用;2006年01期

4 蒋盛益;王连喜;;基于特征相关性的特征选择[J];计算机工程与应用;2010年20期

5 张禹;刘云东;;基于相容粒的特征选择[J];宿州学院学报;2011年02期

6 付涛;;基于特征选择的多示例学习算法研究[J];科技通报;2013年08期

7 李丽娜;欧阳继红;刘大有;高文杰;;一种结合特征选择和链接过滤的主动协作分类方法[J];计算机研究与发展;2013年11期

8 桑农;谢衍涛;高如新;张天序;;神经模糊网络特征选择[J];模式识别与人工智能;2006年06期

9 曹彦;王倩;周驰;;基于特征选择技术的集成方法研究[J];计算机工程与科学;2013年08期

10 杨胜,胡福乔,施鹏飞;一个新的特征选择判据——不确定性系数[J];计算机工程;2004年08期

相关会议论文 前1条

1 万京;王建东;;一种基于新的差异性度量的ReliefF方法[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

相关博士学位论文 前5条

1 代琨;基于支持向量机的网络数据特征选择技术研究[D];解放军信息工程大学;2013年

2 刘波;组稀疏子空间的大间隔特征选择[D];重庆大学;2013年

3 王瑞;针对类别不平衡和代价敏感分类问题的特征选择和分类算法[D];中国科学技术大学;2013年

4 姚兰;支持向量机特征选择中的L_p正则化方法研究[D];湖南大学;2014年

5 倪彤光;基于迁移学习的特征选择与分类方法及其应用研究[D];江南大学;2015年

相关硕士学位论文 前10条

1 徐冬;基于特征选择的入侵检测方法研究[D];吉林大学;2016年

2 陈东;半监督特征选择和特征选择的稳定性研究[D];上海交通大学;2013年

3 季金胜;高分辨率遥感影像典型地物目标的特征选择及其稳定性研究[D];上海交通大学;2015年

4 秦奇伟;聚类分析中的特征选择研究[D];山西大学;2012年

5 周瑞;基于支持向量机特征选择的移动通信网络问题分析[D];华南理工大学;2015年

6 龚希龄;语音情感识别的特征选择与特征产生[D];长沙理工大学;2011年

7 刘宜萍;基于特征选择的多因素时间序列预测模型研究[D];合肥工业大学;2006年

8 邱建坤;基于孪生支持向量机的特征选择与多类分类算法研究[D];燕山大学;2015年

9 王维智;基于特征提取和特征选择的级联深度学习模型研究[D];哈尔滨工业大学;2015年

10 兰天;CUDA平台下基于分层多组粒子群算法的特征选择研究[D];重庆大学;2015年



本文编号:1469123

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1469123.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户04549***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com