本文關(guān)鍵詞： 多標(biāo)記學(xué)習(xí) 特征選擇 最大相關(guān)最小冗余 數(shù)據(jù)降維　出處：《數(shù)碼設(shè)計(jì)》2016年02期 　論文類(lèi)型：期刊論文

【摘要】：針對(duì)多標(biāo)記學(xué)習(xí)中高維數(shù)據(jù)運(yùn)行速度問(wèn)題,提出一種基于最大相關(guān)最小冗余的特征選擇算法ML-MRMR。利用數(shù)據(jù)與標(biāo)記的互信息,獲得了最大相關(guān)性最少冗余性特征集合。分析了所選特征百分比與精度關(guān)系。實(shí)驗(yàn)結(jié)果表明,所提出算法在速度和精度上都具有明顯的優(yōu)勢(shì)。
[Abstract]:Aiming at the problem of running speed of high-dimensional data in multi-label learning, a feature selection algorithm ML-MRMR-based on maximum correlation and minimum redundancy is proposed. The maximum correlation minimum redundancy feature set is obtained and the relationship between the selected feature percentage and accuracy is analyzed. The experimental results show that the proposed algorithm has obvious advantages in speed and accuracy.
【作者單位】： 閩南師范大學(xué)福建省粒計(jì)算重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金61379049
【分類(lèi)號(hào)】：TP181
【正文快照】： 引言 隨著計(jì)算機(jī)網(wǎng)絡(luò)和信息化的發(fā)展,網(wǎng)絡(luò)數(shù)據(jù)和資源呈海量特征,數(shù)據(jù)的標(biāo)注結(jié)構(gòu)復(fù)雜程度也在增加,傳統(tǒng)的單標(biāo)記方法無(wú)法滿(mǎn)足對(duì)復(fù)雜數(shù)據(jù)進(jìn)行分析處理的需求,以機(jī)器學(xué)習(xí)技術(shù)為基礎(chǔ)的多標(biāo)記學(xué)習(xí)技術(shù)現(xiàn)已成為一個(gè)研究熱點(diǎn),其研究成果廣泛地應(yīng)用于各種不同的領(lǐng)域,如圖像視頻的語(yǔ)義

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 錢(qián)學(xué)雙;多重篩選逐步回歸特征選擇法及其應(yīng)用[J];信息與控制;1986年05期

2 王新峰;邱靜;劉冠軍;;基于特征相關(guān)性和冗余性分析的機(jī)械故障特征選擇研究[J];中國(guó)機(jī)械工程;2006年04期

3 張葛祥;金煒東;胡來(lái)招;;滿(mǎn)意特征選擇及其應(yīng)用[J];控制理論與應(yīng)用;2006年01期

4 蔣盛益;王連喜;;基于特征相關(guān)性的特征選擇[J];計(jì)算機(jī)工程與應(yīng)用;2010年20期

5 張禹;劉云東;;基于相容粒的特征選擇[J];宿州學(xué)院學(xué)報(bào);2011年02期

6 付濤;;基于特征選擇的多示例學(xué)習(xí)算法研究[J];科技通報(bào);2013年08期

7 李麗娜;歐陽(yáng)繼紅;劉大有;高文杰;;一種結(jié)合特征選擇和鏈接過(guò)濾的主動(dòng)協(xié)作分類(lèi)方法[J];計(jì)算機(jī)研究與發(fā)展;2013年11期

8 桑農(nóng);謝衍濤;高如新;張?zhí)煨?;神經(jīng)模糊網(wǎng)絡(luò)特征選擇[J];模式識(shí)別與人工智能;2006年06期

9 曹彥;王倩;周馳;;基于特征選擇技術(shù)的集成方法研究[J];計(jì)算機(jī)工程與科學(xué);2013年08期

10 楊勝,胡福喬,施鵬飛;一個(gè)新的特征選擇判據(jù)——不確定性系數(shù)[J];計(jì)算機(jī)工程;2004年08期

相關(guān)會(huì)議論文 前1條

1 萬(wàn)京;王建東;;一種基于新的差異性度量的ReliefF方法[A];2009年研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)論文集[C];2009年

相關(guān)博士學(xué)位論文 前5條

1 代琨;基于支持向量機(jī)的網(wǎng)絡(luò)數(shù)據(jù)特征選擇技術(shù)研究[D];解放軍信息工程大學(xué);2013年

2 劉波;組稀疏子空間的大間隔特征選擇[D];重慶大學(xué);2013年

3 王瑞;針對(duì)類(lèi)別不平衡和代價(jià)敏感分類(lèi)問(wèn)題的特征選擇和分類(lèi)算法[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

4 姚蘭;支持向量機(jī)特征選擇中的L_p正則化方法研究[D];湖南大學(xué);2014年

5 倪彤光;基于遷移學(xué)習(xí)的特征選擇與分類(lèi)方法及其應(yīng)用研究[D];江南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 徐冬;基于特征選擇的入侵檢測(cè)方法研究[D];吉林大學(xué);2016年

2 陳東;半監(jiān)督特征選擇和特征選擇的穩(wěn)定性研究[D];上海交通大學(xué);2013年

3 季金勝;高分辨率遙感影像典型地物目標(biāo)的特征選擇及其穩(wěn)定性研究[D];上海交通大學(xué);2015年

4 秦奇?zhèn)?聚類(lèi)分析中的特征選擇研究[D];山西大學(xué);2012年

5 周瑞;基于支持向量機(jī)特征選擇的移動(dòng)通信網(wǎng)絡(luò)問(wèn)題分析[D];華南理工大學(xué);2015年

6 龔希齡;語(yǔ)音情感識(shí)別的特征選擇與特征產(chǎn)生[D];長(zhǎng)沙理工大學(xué);2011年

7 劉宜萍;基于特征選擇的多因素時(shí)間序列預(yù)測(cè)模型研究[D];合肥工業(yè)大學(xué);2006年

8 邱建坤;基于孿生支持向量機(jī)的特征選擇與多類(lèi)分類(lèi)算法研究[D];燕山大學(xué);2015年

9 王維智;基于特征提取和特征選擇的級(jí)聯(lián)深度學(xué)習(xí)模型研究[D];哈爾濱工業(yè)大學(xué);2015年

10 蘭天;CUDA平臺(tái)下基于分層多組粒子群算法的特征選擇研究[D];重慶大學(xué);2015年

，

本文編號(hào)：1469123