基于最大間隔的多標記特征選擇算法.pdf

1、多標記學習問題中每個樣本可以同時和多個標記相關聯(lián)，因此比傳統(tǒng)的單標記學習有更廣的應用空間，并受到越來越多研究者的關注。然而，多標記學習依舊存在著維度災難、噪音特征多等問題，亟需與之相應的多標記特征選擇算法。
　　雖然傳統(tǒng)的特征選擇算法已經得到了深入的研究，但大多數(shù)傳統(tǒng)的特征選擇算法無法直接應用于多標記學習中：一方面是因為它們通常針對單一標記設計特征評價準則，而多標記學習需要同時針對多個標記進行優(yōu)化；另一方面是因為多標記學習中不同標

2、記之間存在一定的關聯(lián)信息，通常需要建模以找出并利用這些信息。
　　在本文中，我們首先通過經典的多標記學習算法總結出多標記學習算法的一般框架，之后提出一種多標記數(shù)據樣本相似性的度量方法，繼而將傳統(tǒng)單標記問題中的譜特征選擇框架應用至多標記學習領域。此外，我們還提出了一種基于最大間隔的多標記特征選擇算法。改進后的譜特征選擇算法和所提出的基于最大間隔的多標記特征選擇算法，均通過樣本相似度將特征空間和標記空間的信息進行融合，既能夠利用標記之