在多标记学习中，现有的最大相关最小冗余（maximum Relevance And Minimum Redundancy,mRMR）算法未充分考虑标记之间以及特征与标记之......

多标记学习是机器学习和数据挖掘中的研究重点之一,其目的是通过分析已有多标记数据对未知样本进行较准确的预测。在大多数多标记......

在实际生活当中,存在着大量的高维多标记数据,为解决维度灾难问题,通常需要约简属性集。针对目前的多标记属性约简算法未考虑标记......

特征选择旨在从原始特征空间中选择一组规模较小的特征子集,在分类学习任务中提供与原集合近似或更好的性能.文中提出基于信息粒化......

在多标记学习中,特征选择是解决多标记数据高维性的有效手段。每个标记对样本的可分性程度不同,这可能会为多标记学习提供一定的信......

对于多标记学习,不同的标记对区分样本有着不同程度的作用,因此,根据标记的重要性为不同标记赋予不同权重可能有利于提高多标记学......

针对标记重要性不同,且这种不同可能会为多标记学习提供一定的信息,该文提出了基于标记重要性的多标记特征选择算法.该算法首先引......