多標(biāo)簽特征選擇的兩種算法研究.pdf

1、區(qū)別于傳統(tǒng)的監(jiān)督學(xué)習(xí)中每個(gè)樣本只屬于一個(gè)類別標(biāo)簽的學(xué)習(xí)框架，多標(biāo)簽學(xué)習(xí)中的一個(gè)樣本同時(shí)標(biāo)注為多個(gè)類別標(biāo)簽的學(xué)習(xí)框架能夠更有效地分析現(xiàn)實(shí)世界中所存在的問(wèn)題。多標(biāo)簽學(xué)習(xí)是一個(gè)具有挑戰(zhàn)性的研究課題，來(lái)源于文本分類中所遇到的多義性問(wèn)題。近十幾年來(lái)，吸引了越來(lái)越多的研究人員的興趣，并應(yīng)用到很多新的領(lǐng)域，如生物信息學(xué)、多媒體自動(dòng)標(biāo)注以及情感分類等。學(xué)者們已經(jīng)提出了一系列多標(biāo)簽分類算法，然而高維數(shù)據(jù)中的大量不相關(guān)、冗余的特征導(dǎo)致了分類器性能的降低。因

2、此，特征選擇作為一種高效的數(shù)據(jù)降維技術(shù)，在多標(biāo)簽學(xué)習(xí)中可以起到關(guān)鍵的作用。目前，針對(duì)多標(biāo)簽學(xué)習(xí)的特征選擇問(wèn)題的研究相對(duì)較少。為此，本文圍繞該問(wèn)題，將非負(fù)矩陣分解和流形學(xué)習(xí)技術(shù)應(yīng)用到多標(biāo)簽學(xué)習(xí)中，提出了兩種多標(biāo)簽特征選擇算法。主要研究工作如下：
　　1.提出了一種基于非負(fù)稀疏表示的多標(biāo)簽特征選擇算法。首先，我們引入子空間學(xué)習(xí)用于多標(biāo)簽特征選擇，并在矩陣分解過(guò)程中對(duì)指示矩陣加以非負(fù)和稀疏約束。然后，我們?cè)O(shè)計(jì)一種高效的矩陣更新迭代算法，

3、用以求解矩陣的非負(fù)約束和L2,1-范數(shù)最小優(yōu)化的融合問(wèn)題。最后，實(shí)驗(yàn)結(jié)果表明了該算法在多標(biāo)簽數(shù)據(jù)集上有著較優(yōu)的特征選擇性能。
　　2.提出了一種基于特征流形和稀疏正則化的多標(biāo)簽特征選擇算法。首先，我們利用最小二乘回歸模型把多標(biāo)簽特征選擇形式化成一個(gè)帶有正則項(xiàng)的矩陣分解問(wèn)題，用回歸系數(shù)矩陣評(píng)估特征重要度。然后，我們將特征流形和稀疏約束嵌入到優(yōu)化問(wèn)題框架中，試圖獲得平滑的、行稀疏的回歸系數(shù)矩陣。最后，我們?cè)O(shè)計(jì)出一種高效的矩陣更新迭代算