.png){kind=icon}
返回
A Multiform Many-Objective Evolutionary Algorithm for Multilabel Feature Selection in Classification
.png){kind=icon}
PRE
AI
DOI：10.1109/TEVC.2024.3523469.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多标签分类（MLC）处理同时与多个标签关联的实例，并且通常包含具有噪声、无关和冗余特征的高维数据。多标签分类的特征选择对于实现成功的分类性能至关重要。然而，在多标签任务中评估学习性能方面尚不存在统一的度量标准。相反，存在多种度量标准，每种标准评估分类过程的不同方面，并且这些度量标准通常彼此不一致。因此，当同时优化三个或更多分类指标和所选特征数量时，多标签特征选择（MLFS）便成为一个多目标优化问题（MaOP）。进化计算（EC）技术因其能够有效探索大型且复杂的搜索空间，在解决多目标任务方面显示出巨大潜力。EC技术能够同时处理多个目标，使其非常适合MLFS带来的挑战。尽管存在这种潜力，但基于EC的MLFS方法的研究仍然有限，很少有研究将其视为MaOP。为弥补这一差距，本文提出了一种新的多目标进化算法，其框架具有多种形式。所提出的算法利用不同的子种群来处理特定的MLFS任务，采用一种策略在MLFS任务之间交换信息，采用基于局部密度的选择机制来维持多样且高质量解，并使用受随机梯度下降启发的自适应参数方案，以引导搜索朝向目标空间中的新区域。实验结果表明，所提出的算法在多种高维数据集上具有优越性，其性能优于近期引入的多目标算法和传统的MLFS算法。
Keyword:
Evolutionary algorithms
multiform optimization
multilabel classification (MLC)
multilabel feature selection (MLFS)
期刊
IF:
12
论文数:
1.9K
被引数:
2.4W
机构
引用论文
.png){kind=icon}
MGFS: A multi-label graph-based feature selection algorithm via PageRank centralityMGFS: 一种基于PageRank中心性的多标签图特征选择算法
PREAI
分享收藏Multi-objective PSO based online feature selection for multi-label classification基于多目标PSO的多标签分类在线特征选择
PREAI
分享收藏分享收藏
A Multiform Optimization Framework for Multiobjective Feature Selection in Classification分类中多目标特征选择的多形式优化框架
PREAI
分享收藏
查看更多内容