基于邻域粗糙集的偏标记特征选择

摘要

基于邻域粗糙集框架提出一种针对偏标记数据的特征选择方法，构建偏标记邻域决策系统，定义偏标记学习问题中邻域粗糙集的下近似和依赖度，建立适用于偏标记分类问题的特征选择算法。该算法能够在对特征空间进行邻域粒化的同时度量候选标记集合中标记间的相似程度，选出与标记信息相关性较强的特征子集。使用了2种不同于最常用随机方法的假阳性候选标记生成机制，在实验部分对不同偏标记生成机制进行分析和对比。最后给出了在6个真实偏标记数据集和6个受控单标记数据集上的大量实验对比结果，验证了所提特征选择方法的有效性。

关键词

偏标记学习 / 特征选择 / 偏标记邻域决策系统 / 领域粗糙集