计算机工程

作者：张要, 马盈仓, 朱恒东, 李恒, 陈程

单位：西安工程大学 理学院, 西安 710600

关键词：多标签学习,特征选择,logistic回归,<i>L</i>_2,1-范数,流形结构

基金：国家自然科学基金（61976130）；陕西省重点研发计划（2018KW-021）；陕西省自然科学基金（2020JQ-923）。

对于多标签特征选择算法，通常假设数据与标签间呈现某种关系，以该关系为基础并通过正则项的约束可解决多标签特征选择问题，但该关系也可能是两种或多种关系的结合。为准确描述数据与标签间的关系并去除不相关的特征和冗余特征，基于logistic回归模型与标签流形结构提出多标签特征选择算法FSML。使用logistic回归模型的损失函数学习回归系数矩阵，利用标签流形结构学习数据特征的权重矩阵，通过L2，1-范数将系数矩阵和权重矩阵进行柔性结合，约束系数矩阵与权重矩阵的稀疏性并实现多标签特征选择。在经典多标签数据集上的实验结果表明，与CMLS、SCLS等特征选择算法相比，FSML算法在汉明损失、排名损失、1-错误率、覆盖率、平均精度等5个性能评价指标上表现良好，能更准确地描述数据与标签间的关系。

来源：2022年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第3期