检索结果

Select

1. 基于ReliefF的层次分类在线流特征选择算法

张小清, 王晨曦, 吕彦, 林耀进

《计算机应用》唯一官方网站 2022, 42 (3): 688-694. DOI: 10.11772/j.issn.1001-9081.2021040789

摘要（496）

HTML （12）

PDF （860KB）（171）

在图像标注、疾病诊断等实际分类任务中，数据标记空间的类别通常存在着层次化结构关系，且伴随着特征的高维性。许多层次特征选择算法因不同的实际任务需求而提出，但这些已有的特征选择算法忽略了特征空间的未知性和不确定性。针对上述问题，提出一种基于ReliefF的面向层次分类学习的在线流特征选择算法OH_ReliefF。首先将类别之间的层次关系融入ReliefF算法中，定义一种新的面向层次化数据的特征权重计算算法HF_ReliefF；其次，利用特征对决策属性的划分能力动态选择重要特征；最后，基于特征之间的独立性对特征进行动态冗余分析。实验结果表明，与五种先进的在线流特征选择算法作对比，OH_ReliefF算法在K最邻近（KNN）分类器和拉格朗日支持向量机（LSVM）分类器的各个评价指标中都取得较优的结果，准确率最少提高7个百分点。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 缺失标记下基于类属属性的多标记特征选择

张志浩, 林耀进, 卢舜, 郭晨, 王晨曦

计算机应用 2021, 41 (10): 2849-2857. DOI: 10.11772/j.issn.1001-9081.2020111893

摘要（388）

PDF （1049KB）（319）

多标记特征选择已在图像分类、疾病诊断等领域得到广泛应用；然而，现实中数据的标记空间往往存在部分标记缺失的问题，这破坏了标记间的结构性和关联性，使得学习算法难以准确地选择重要特征。针对此问题，提出一种缺失标记下基于类属属性的多标记特征选择（MFSLML）算法。首先，通过利用稀疏学习方法获取每个类标记的类属属性；同时基于线性回归模型构建类属属性与标记的映射关系，以用于恢复缺失标记；最后，选取7组数据集以及4个评价指标进行实验。实验结果表明：相比基于最大依赖度和最小冗余度的多标记特征选择算法（MDMR）和基于特征交互的多标记特征选择算法（MFML）等一些先进的多标记特征选择算法，MFSLML在平均查准率指标上能够提升4.61~5.5个百分点，由此可见MFSLML具有更优的分类性能。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于拉普拉斯评分的多标记特征选择算法

胡敏杰, 林耀进, 王晨曦, 唐莉, 郑荔平

计算机应用 2018, 38 (11): 3167-3174. DOI: 10.11772/j.issn.1001-9081.2018041354

摘要（1242）

PDF （1178KB）（520）

针对传统的拉普拉斯评分特征选择算法只适应单标记学习，无法直接应用于多标记学习的问题，提出一种应用于多标记任务的拉普拉斯评分特征选择算法。首先，考虑样本在整体标记空间中共同关联和共同不关联的相关性，重新构建样本相似度矩阵；然后，将特征之间的相关性及冗余性判定引入拉普拉斯评分算法中，采用前向贪心搜索策略依次评价候选特征与已选特征的联合作用能力，用于评价特征的重要性；最后，在5个不同评价指标和6个多标记数据集上实验。实验结果表明：相比基于最大依赖的多标记维数约简方法（MDDM）、基于贝叶斯分类器的多标记特征选择算法（MLNB）及基于多元互信息的多标记分类特征选择算法（PMU），所提算法不仅分类性能最优，且存在显著性优异达65%。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于主题种子词的情感分析方法

陈永恒, 左万利, 林耀进

计算机应用 2015, 35 (9): 2560-2564. DOI: 10.11772/j.issn.1001-9081.2015.09.2560

摘要（580）

PDF （884KB）（422）

产品或服务的情感主题分析,有利于用户从海量的评论集中快速地了解到自己关注产品或服务的主题情感信息。针对现存非监督情感分析模型情感主题发现性能不足的问题,提出了一种的基于主题种子词的情感分析方法,该方法在自动构建领域主题种子词及主题文本基础上,利用主题种子词监督的情感分析模型(SAA_SSW)实现主题及其关联情感的联合发现。实验结果表明,相比传统的情感/主题联合模型(JST)和主题情感统一模型(ASUM),SAA_SSW能够识别出相同的词在不同的主题下具有的情感标签,挖掘的情感词与主题之间的相关度更高;另外,基于不同情感字典进行分类精度分析,SAA_SSW的分类精度相对于这两种模型至少提高7.5%。所以,SAA_SSW模型能很好地完成情感主题的发现,以及具有较高的情感分类精度。

参考文献 | 相关文章 | 多维度评价

Select

5. 作者标签主题模型在科技文献中的应用

陈永恒, 左万利, 林耀进

计算机应用 2015, 35 (4): 1001-1005. DOI: 10.11772/j.issn.1001-9081.2015.04.1001

摘要（602）

PDF （712KB）（732）

作者主题模型被广泛应用于科技文献中作者的兴趣发现。针对作者主题模型不能利用文献的类别标签属性与主题之间的相关性进行主题发现的问题,在对作者主题模型分析的基础上,将科技文献之间固有的类别标签信息引入到作者主题模型中,提出了作者标签主题(LAT)模型。LAT模型通过实现文献的标签信息与主题之间的映射关系,实现文本的多标签判定,提升文档的聚类效果。与传统的潜在狄利克雷分配(LDA)和作者主题(AT)模型的对比实验结果表明,LAT模型能够显著提高模型的泛化能力,提升模型的运行性能。

参考文献 | 相关文章 | 多维度评价

Select

6. 优势关系下的集值序值信息系统

林耀进李进金林梦雷

计算机应用 2011, 31 (12): 3240-3242.

摘要（1020）

PDF （596KB）（808）

集值序值信息系统分为合取/析取集值序值信息系统，分别深入分析了合取/析取集值序值信息系统已有优势关系的局限性，并对其不合理情形进行了讨论，进而提出了对对象进行更好划分的新优势关系。在此基础上，分别构建了优势关系下的合取/析取集值序值信息系统的粗集模型，并通过典型例子验证了该方法的有效性。