具有标签流形和动态图约束的多标签特征选择

摘要

将自适应动态图技术和标签流形集成到改进后的线性映射学习框架中，提出了具有标签流形和动态图约束的多标签特征选择算法。该算法基于特征自表示的改进矩阵分解技术，改进了线性映射模型，对特征和标签之间以及不同标签之间的相关性进行解耦。设计了一种具有拉普拉斯秩约束的自适应动态图技术，学习高质量的特征相似图。构建了基于标签相关性的标签流形，将标签信息充分的纳入模型的训练中。验证了自适应动态图技术可以有效的提高图矩阵的质量，以及所提算法在解决多标签特征选择问题上的有效性。

关键词

多标签学习 / 特征选择 / 流形学习 / 自适应学习 / 动态图学习

基金资助

国家自然科学基金资助项目(61902139); 山西省基础研究计划资助项目(202203021211116); 忻州师范学院基金资助项目(2021KY16)