基于隨機搜索策略的多標簽特征選擇方法研究.pdf

1、模式識別領(lǐng)域的分類問題，就是要對已知類別的訓(xùn)練樣本進行模型學(xué)習(xí)，再對未知類別的樣本進行預(yù)測。根據(jù)單個樣本所對應(yīng)的標簽數(shù)的多少，分類問題可以分為兩大類:單標簽與多標簽分類問題。前者中，每個樣本只和一個標簽相關(guān)，標簽之間是相互獨立的;而在后者中，每個樣本可以對應(yīng)多個標簽，多個標簽之間可能存在相關(guān)性。
　　多標簽數(shù)據(jù)集通常具有較高的特征維數(shù)，其中又存在著一定冗余、不相關(guān)的特征，這會極大地增加構(gòu)造分類器的空間復(fù)雜性與時間復(fù)雜性，降低分類器

2、的性能，造成過擬合的問題。因此，需要對原始的多標簽數(shù)據(jù)集進行特征選擇，即移除冗余、不相關(guān)的特征，有效地減少數(shù)據(jù)的維數(shù)，提高分類器的泛化能力。
　　對于多標簽分類中的特征選擇問題，本文采用過濾式的方式，基于隨機搜索策略，提出了兩種多標簽特征選擇方法:(1)基于相關(guān)性和遺傳算法的多標簽特征選擇方法CFS-GA;(2)基于高階互信息和粒子群算法的多標簽特征選擇方法HMI-PSO。
　　CFS-GA采用基于相關(guān)性的準則函數(shù)，通過信息

3、增益的方法度量特征和特征之間的冗余性、特征和標簽之間的相關(guān)性，作為遺傳算法的適應(yīng)度函數(shù)，評價候選特征子集的適應(yīng)度值，搜索最優(yōu)特征子集。實驗部分，本文選擇3種多標簽特征選擇方法:CFS-SFS、CFS-SBS和ReliefF-ML，在12個多標簽基準數(shù)據(jù)集上，與本文提出的CFS-GA進行對比實驗。實驗結(jié)果表明，本文提出的CFS-GA能選擇出與標簽最相關(guān)、冗余最小的最優(yōu)特征子集，有效地提高分類器的性能。
　　HMI-PSO通過互信息度