信息工程学院

当前位置: 网站首页 >>  学科科研 >>  正文
信息工程学院李闪闪老师--基于邻域粗糙集和Relief的弱标记特征选择方法
发布人: | 发布日期:2022年03月07日 15:09 | 点击数:

讲座时间:2022391330

讲座地点:B315

讲座对象:信息工程学院教师及数字科学与大数据技术研究中心成员

讲座摘要:

在多标记学习与分类中,现有邻域粗糙集特征选择算法若将样本的分类间隔作为邻域半径,则会出现分类间隔过大导致分类无意义、样本距离过大容易造成异类样本和同类样本失效,以及无法处理弱标记数据等情况。解决这些问题,可通过以下步骤。

首先,引入异类样本数和同类样本数来改进分类间隔,在此基础上定义邻域半径,构造新的邻域近似精度与多标记邻域粗糙集模型,并有效度量边界域引起的集合不确定性。其次,利用迭代更新权重公式填补大部分缺失标记信息,将邻域近似精度与互信息相结合,以构造新的标记相关性,填补剩余的缺失标记信息。然后,使用异类样本数和同类样本数,以构造新的标记权重和特征权重计算公式,进而提出多标记Relief模型,并将其应用于多标记特征选择。最后,结合多标记邻域粗糙集模型和多标记Relief算法,设计一种新的弱标记特征选择算法,以处理带有缺失标记的高维数据,并有效地提升多标记分类性能。