%0 Journal Article
%T 面向代价敏感的多标记不完备数据特征选择算法
%A 吴兵龙
%A 王映龙
%A 钱文彬
%A 黄琴
%J 中山大学学报（自然科学版）
%D 2018
%X 摘要 代价敏感下的特征选择是机器学习和数据挖掘领域的重要研究内容，目前基于代价敏感的特征选择研究主要是面向单标记的数据，由于在许多应用领域数据往往是多标记连续型数据，且在数据获取过程中由于技术或成本限制导致数据呈现出不完备性.为解决上述问题，提出了一种基于测试代价的多标记不完备数据特征选择算法.首先，算法利用粗糙集模型计算多标记不完备数据下的邻域粒度，并用均匀分布和正态分布两种分布函数计算每个特征的特征代价；然后，提出了一种基于测试代价的特征重要性计算方法，并在核特征的基础上，设计了启发式的特征选择算法；最后，通过在Mulan数据集上的实验结果进一步验证了算法的有效性和可行性
%K 代价敏感
%K 特征选择
%K 属性约简
%K 不完备数据
%K 多标记分类
%U http://xwxt.sict.ac.cn/CN/abstract/abstract4753.shtml