论文研究-基于流形学习的约束Laplacian分值多标签特征选择.pdf

多标签特征选择是针对多标签数据的特征选择技术，提高多标签分类器性能的重要手段。提出一种基于流形学习的约束Laplacian分值多标签特征选择方法（Manifold-based Constraint Laplacian Score，M-CLS）。方法分别在数据特征空间和类别标签空间定义两种Laplacian分值：在特征空间利用逻辑型类别标签的相似性对邻接矩阵进行改进，定义特征空间的约束Laplacian分值；在标签空间基于流形学习将逻辑型类别标签映射为数值型，定义实值标签空间的Laplacian分值。将两种分值的乘积作为最终的特征评价指标。实验结果表明，所提方法性能优于多种多标签特征选择方法。