基于模拟退火的多标记数据特征选择

被引：27

作者：

张永波 ^{[1
]}

游录金 ^{[2
]}

陈杰新 ^{[3
]}

机构：

[1] 浙江旅游职业学院图书信息中心

[2] 上海思备计算机有限公司

[3] 宁波城市职业技术学院信息中心

来源：

计算机工程与设计 | 2011年 / 32卷 / 07期

关键词：

多标记学习; 特征选择; 模拟退火; 维数约简; YAHOO网页;

D O I：

10.16208/j.issn1000-7024.2011.07.084

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

多标记数据有很多的冗余特征和数据,为了解决多标记数据中冗余和无关特征,提高多标记学习算法的泛化能力。提出一个基于模拟退火的卷积式特征选择方法——SAML(simulated annealing based feature selection for multi-label data),已有的算法只是使用了遗传算法来进行优化,新算法采用模拟退火来寻找最优子集,其效果在已有的工作中表现出比前者遗传算法更好的效果。在用于公开评测的Yahoo网页分类数据集上的实验结果表明,SAML算法的性能优于新近提出的一些流行的多标记特征选择方法。

引用

页码：2494 / 2496+2500 +2500

页数：4

共 4 条

[1]

多标记学习的嵌入式特征选择 [J].