-
题名基于分解策略的多标签在线特征选择算法
- 1
-
-
作者
张永伟
朱祁
吴永城
-
机构
南瑞集团(国网电力科学研究院)有限公司
南京南瑞智慧交通科技有限公司
-
出处
《网络安全与数据治理》
2022年第10期65-71,77,共8页
-
基金
国家电网科技项目(52460D220001)。
-
文摘
在线学习方法是用于大规模数据集的、高效且可扩展的机器学习算法。然而,在对多标签数据集进行特征选择时,传统的在线多标签学习方法需要访问数据集的所有特征,当数据集具有较高维度时,这种在线学习方式并不能适用于实际情景。针对多标签数据集的特征选择,在现有研究的基础上,使用二类分解策略,提出基于分解策略的多标签在线特征选择算法。该算法利用稀疏正则化和截取方法进行在线特征选择,降低计算复杂度。实验表明,算法的特征选择性能优于其他多标签在线特征选择算法。
-
关键词
特征选择
在线学习
多标签分类
二类分解策略
-
Keywords
feature selection
online learning
multi-label classification
binary relevance strategy
-
分类号
TP305
[自动化与计算机技术—计算机系统结构]
TP181
[自动化与计算机技术—计算机科学与技术]
-
