基于互信息的粒化特征加权多标签学习k近邻算法

发布时间：2019-11-22 23:45

【摘要】：传统基于k近邻的多标签学习算法,在寻找近邻度量样本间的距离时,对所有特征给予同等的重要度.这些算法大多采用分解策略,对单个标签独立预测,忽略了标签间的相关性.多标签学习算法的分类效果跟输入的特征有很大的关系,不同的特征含有的标签分类信息不同,故不同特征的重要度也不同.互信息是常用的度量2个变量间关联度的重要方法之一,能够有效度量特征含有标签分类的知识量.因此,根据特征含有标签分类知识量的大小,赋予相应的权重系数,提出一种基于互信息的粒化特征加权多标签学习k近邻算法(granular feature weighted k-nearest neighbors algorithm for multi-label learning,GFWML-kNN),该算法将标签空间粒化成多个标签粒,对每个标签粒计算特征的权重系数,以解决上述问题和标签组合爆炸问题.在计算特征权重时,考虑到了标签间可能的组合,把标签间的相关性融合进特征的权重系数.实验表明:相较于若干经典的多标签学习算法,所提算法GFWML-kNN整体上能取得较好的效果.

【相似文献】

相关期刊论文 前10条

1 华锐;梁娜;;特征加权朴素贝叶斯分类器在小样本中的应用[J];统计与决策;2012年23期

2 朱红宁;张斌;;特征加权集对分析方法[J];计算机科学;2009年09期

3 张翔;邓赵红;王士同;;具有更好适应性的间距最大化特征加权[J];计算机应用;2010年09期

4 陈新泉;;特征加权的模糊C聚类算法[J];计算机工程与设计;2007年22期

5 王晨;樊小红;;基于特征加权的交通事件检测研究[J];微电子学与计算机;2012年10期

6 黎佳;王明文;何世柱;柯丽;;基于特征加权的半监督聚类研究[J];广西师范大学学报(自然科学版);2011年01期

7 饶刚;刘琼荪;高君健;;基于灰色特征加权支持向量机的二维函数拟合[J];计算机工程与设计;2012年10期

8 蔡静颖;谢福鼎;张永;;基于马氏距离特征加权的模糊聚类新算法[J];计算机工程与应用;2012年05期

9 李洁;高新波;焦李成;;基于特征加权的模糊聚类新算法[J];电子学报;2006年01期

10 高滢;刘大有;徐益;;一种特征加权的聚类算法框架[J];计算机科学;2008年10期

相关会议论文 前1条

1 杜玫芳;王昕;;基于特征加权的模糊c均值聚类算法及其应用[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

相关硕士学位论文 前4条

1 马会敏;几种特征加权支持向量机方法的比较研究[D];河北大学;2010年

2 张娜娜;基于进化极限学习机的特征加权近邻分类算法[D];大连海事大学;2016年

3 吴彪;基于信息论的特征加权和主题驱动协同聚类算法研究[D];哈尔滨工业大学;2008年

4 周计美;基于特征加权单类支持向量机的颜色识别算法及其在异色物检测中的研究[D];内蒙古大学;2012年

，

本文编号：2564710