多標(biāo)簽特征選擇算法研究及應(yīng)用.pdf

1、多標(biāo)簽分類問(wèn)題中，一個(gè)樣本可以同時(shí)屬于多個(gè)類別，且類別標(biāo)簽之間不再相互排斥。多標(biāo)簽分類問(wèn)題在文本分類，自然場(chǎng)景分類，基因功能預(yù)測(cè)和音樂(lè)情感標(biāo)注等領(lǐng)域得到廣泛應(yīng)用。通常，多標(biāo)簽數(shù)據(jù)集中包含大量特征，其中的不相關(guān)、冗余、帶噪聲特征會(huì)導(dǎo)致分類性能下降。特征選擇旨在通過(guò)挑選出一個(gè)特征子集降低特征空間維數(shù)，提高分類性能與降低計(jì)算復(fù)雜度。因此，特征選擇是提高多標(biāo)簽分類性能的重要手段。目前，多標(biāo)簽特征選擇方法根據(jù)是否包含分類器，大致可分為過(guò)濾式、包裹

2、式和嵌入式三種。
　　本研究主要內(nèi)容包括：⑴構(gòu)建過(guò)濾式的多標(biāo)簽特征選擇算法QPFS-RCDM:改造帶單純形約束二次規(guī)劃形式的單標(biāo)簽特征選擇算法(QPFS)，構(gòu)造出只帶非負(fù)約束的二次規(guī)劃問(wèn)題，并利用具有線性收斂性的隨機(jī)坐標(biāo)下降法(RCDM)求解，提高計(jì)算效率與分類效果。實(shí)驗(yàn)中，根據(jù)5個(gè)多標(biāo)簽評(píng)價(jià)準(zhǔn)則，在12個(gè)多標(biāo)簽數(shù)據(jù)集上，將QPFS-RCDM與4個(gè)常用的特征選擇算法進(jìn)行比較。結(jié)果表明，QPFS-RCDM算法在特征數(shù)目相同的情況下能

3、夠挑選出質(zhì)量最佳的特征子集。⑵采用特征數(shù)目控制策略，改進(jìn)基于NSGA-Ⅱ多目標(biāo)優(yōu)化技術(shù)的包裹式特征選擇算法，從而能夠選擇規(guī)定大小的特征子集。實(shí)驗(yàn)中，在4個(gè)多標(biāo)簽基準(zhǔn)數(shù)據(jù)集上，將其與基于單目標(biāo)、基于排序的特征選擇算法進(jìn)行對(duì)比。結(jié)果表明，本文提出的多目標(biāo)優(yōu)化方法在提高分類器性能的同時(shí)能有效篩選出高質(zhì)量的特征子集。⑶研究多標(biāo)簽特征選擇算法在蛋白質(zhì)亞細(xì)胞定位中的應(yīng)用:針對(duì)蛋白質(zhì)亞細(xì)胞定位的六個(gè)GO特征數(shù)據(jù)集，對(duì)比不同的特征選擇算法，并進(jìn)一步驗(yàn)證