基于模糊依赖决策熵的多标签特征选择

摘要

多标签学习的一个重要挑战是特征维度灾难.为了寻求高效的多标签特征选择方法，本文从模糊粗糙集和依赖决策熵的角度研究多标签特征选择，提出多标签特征选择新方法.首先，定义了多标签模糊信息系统，利用模糊标签粒的近似集提出了模糊决策熵和模糊依赖决策熵，研究了它们的性质.在多标签模糊信息系统上提出了基于模糊依赖决策熵的约简定义，进而给出了特征的重要性度量，以及基于模糊依赖决策熵的多标签特征选择方法和算法.最后在10个公共多标签数据集上对5种指标进行参数分析和性能对比.结果表明，所提算法具有一定的有效性，在大多数指标上优于PMU、MDDM等多标签特征选择算法.

关键词

多标签学习 / 特征选择 / 模糊粗糙集 / 模糊决策熵 / 模糊依赖决策熵