| 基于三支标签传播的半监督属性约简 |
| |
| 引用本文： | 胡声丹,苗夺谦,姚一豫.基于三支标签传播的半监督属性约简[J].计算机学报,2021,44(11):2332-2343. |
| |
| 作者姓名： | 胡声丹 苗夺谦 姚一豫 |
| |
| 作者单位： | 同济大学计算机科学与技术系 上海 201804;嵌入式系统与服务计算教育部重点实验室(同济大学) 上海 201804;里贾纳大学计算机科学系 里贾纳 S4S 0A2 加拿大 |
| |
| 摘 要： | 属性约简是粗糙集理论的重要应用之一.为了对部分标记的数据进行属性约简,一些基于粗糙集的半监督属性约简方法相继被提出,但这些方法在数据信息利用、运行代价、约简质量等方面仍然存在挑战.本文针对混合型分类数据,提出了一种新的基于三支标签传播的半监督属性约简(3WLPME)方法.该方法包括两个过程:三支标签传播(3WLP)和基于混合熵的启发式属性约简(MEHAR).其中,3WLP在经典标签传播算法的基础上,结合三支决策和主动学习思想,对无标签数据进行标注,并更新有标签集和无标签集.迭代执行上述过程直至收敛,可以提升最终的伪标签准确率.在MEHAR中,属性重要度由混合熵度量.基于依赖度和条件熵定义的混合熵,融合了粗糙集的代数表示和信息表示,能更深刻地反映属性的分类能力.本文对3WLP算法和MEHAR算法的有效性进行了理论分析.在UCI数据集上进行了以下仿真实验:3WLP与随机标签传播在伪标签准确率上的对比;不同属性约简算法在约简质量上的对比;3WLPME与其他基于粗糙集的半监督属性约简方法,在约简质量上的对比.实验结果验证了3WLP能获得较高的伪标签准确率;MEHAR在不降低分类准确率的前提下,能获得较小的约简;3WLPME在半监督约简过程中具有更高的效率和稳定性,说明本文所提方法是有效的.
|
| 关 键 词： | 半监督学习 属性约简 三支决策 标签传播 邻域粗糙集 混合熵 |
Three-Way Label Propagation Based Semi-Supervised Attribute Reduction |
| |
| HU Sheng-Dan,MIAO Duo-Qian,YAO Yi-Yu.Three-Way Label Propagation Based Semi-Supervised Attribute Reduction[J].Chinese Journal of Computers,2021,44(11):2332-2343. |
| |
| Authors: | HU Sheng-Dan MIAO Duo-Qian YAO Yi-Yu |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
