首页|期刊导航|南京邮电大学学报(自然科学版)|基于局部邻域自信息的偏标记特征选择算法

基于局部邻域自信息的偏标记特征选择算法OA

中文摘要

在偏标记学习中,样本候选标记集合中的真实标记会与噪声标记混杂出现。为有效挖掘并利用样本间的邻域相关性以识别真实标记,基于邻域粗糙集理论提出一种面向偏标记数据的特征选择方法。首先,在特征空间邻域粒化过程中,评估候选标记集合中各标记的重要度;进一步引入标记权重差异机制与局部邻域粒化策略,构建高可信度的属性反依赖度评估模型及相应特征选择算法。该方法能够更清晰地区分与候选标记信息高度相关的真实标记,同时削弱因多个条件属性反依赖度相近而对约简结果产生的干扰。在多个合成与真实数据集上的实验结果表明,所提方法在特征选择效果与分类性能方面均优于对比算法,且具备统计意义上的显著差异。

骆公志;丁冬;吴严生

南京邮电大学管理学院,江苏南京210003南京邮电大学管理学院,江苏南京210003南京邮电大学计算机学院、软件学院、网络空间安全学院,江苏南京210023

信息技术与安全科学

邻域粗糙集局部邻域粒度邻域自信息偏标记学习特征选择

《南京邮电大学学报(自然科学版)》 2026 (5)

P.88-98,11

国家自然科学基金(62372247)江苏高校哲学社会科学研究重大项目(2021SJZDA129)江苏省研究生科研创新计划(KYCX24_1091)资助项目。

10.14132/j.cnki.1673-5439.2026.05.010

评论