【摘 要】
：
多标签特征选择是应对数据维度灾难现象的主要方法之一,可以在降低特征维度的同时提高学习效率,优化分类性能。针对目前特征选择算法没有考虑标签间的相互关系,以及信息量的
【基金项目】
：
国家重点研发计划项目（2016YFB0800101）, 国家自然科学基金创新研究群体项目（61521003）资助
论文部分内容阅读
多标签特征选择是应对数据维度灾难现象的主要方法之一,可以在降低特征维度的同时提高学习效率,优化分类性能。针对目前特征选择算法没有考虑标签间的相互关系,以及信息量的衡量范围存在偏差的问题,提出一种基于标签关系改进的多标签特征选择算法。首先引入对称不确定性对信息量进行归一化处理,然后用归一化的互信息量作为相关性的衡量方法,并据此定义标签的重要性权重,对依赖度和冗余度中的标签相关项进行加权处理;进而提出一种特征评分函数作为特征重要性的评价指标,并依次选择出评分最高的特征组成最佳特征子集。实验结果表明,与其他算法
其他文献
为了改善常规电刺激仪缺少主动训练模式导致的疗效不佳,在电刺激仪中引入一种新的肌电反馈方法;在肌电反馈设计中,针对病情不一导致的患者肌电幅值跨度大的特点,设计了自适应
为消除基本宽线检测算子中的冗余计算量,提高其运算速度,提出了一种快速的宽线算子实现方法——自适应移动宽线算子。基本宽线算子采取逐像素移动的方式来检测图像中的宽线特征;自适应移动宽线算子与之不同,在检测宽线像素时能够根据当前像素类型自适应地确定模板移动的步长,从而加快模板的移动速度,较好地消除了基本算法中的冗余运算。利用测试图像进行的实验的结果表明,自适应移动宽线算子在取得相当检测性能的同时,提高了
针对目标移除修复方法中存在的修复顺序不合理以及错误匹配问题,提出一种基于结构稀疏度和块差异度的图像修复方法。首先,在优先权中增加块的结构稀疏度计算,使优先权不仅依赖于目标块的几何特征,而且可以反映其邻域特征,提高了对目标块所处区域特征的辨识度,从而使修复顺序更加合理。其次,定义目标块与样本块之间的差异度,并在此基础上定义新的匹配规则,不仅对已存在像素之间的相似程度进行衡量,而且对已存在像素与填充像