Meta-learning-based multi-view multi-label feature selection with streaming labels

doi:10.1016/j.knosys.2026.116084

Meta-learning-based multi-view multi-label feature selection with streaming labels

2026-04-29

0

PRE

AI

DOI：10.1016/j.knosys.2026.116084

原文链接

原文求助

摘要

En 中文

多视角多标签特征选择在处理高维异构数据中起着关键作用。然而，大多数现有方法依赖于静态标签空间的假设，要求所有类别标签在训练前即可用。这一局限性使它们难以应对现实场景中标签以流式方式连续到达的情况。虽然流式标签特征选择解决了标签空间的动态扩展问题，但现有算法往往忽视了多视角数据中的互补信息。为解决这些挑战，我们提出了一种基于元学习的多视角多标签流式标签特征选择方法（MFSSL）。我们将流式标签学习表述为一个连续的元学习过程，采用基于梯度的元优化策略，以实现对到达的标签批次的快速适应。具体而言，我们设计了一种历史稳定性约束机制，利用历史记忆对当前特征掩码更新进行正则化，从而在保持对新标签的可塑性同时有效保留有价值的历史模式。此外，为处理类别不平衡并提高特征质量，我们引入了一种辨别性边界约束，直接优化所选特征的辨别能力。在多个基准数据集上的广泛实验表明，MFSSL在流式标签环境中的分类准确率和计算效率方面优于当前最先进的方法。

Keyword:

Meta-learning

Multi-view feature selection

Streaming labels

Label space expansion

Feature selection

Meta-learning-based multi-view multi-label feature selection with streaming labels

摘要

期刊

机构

引用论文