کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10321731 | 660749 | 2013 | 13 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Mutual Information-based multi-label feature selection using interaction information
ترجمه فارسی عنوان
انتخاب چندگانه مبتنی بر اطلاعات متقابل با استفاده از اطلاعات متقابل
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
انتخاب ویژگی چند برچسب، انتخاب ویژگی چند متغیره، اطلاعات تعامل، وابستگی به ویژگی،
ترجمه چکیده
انتخاب چندین برچسب به عنوان یکی از امیدوار کننده ترین تکنیک ها است که می تواند برای به حداکثر رساندن اثربخشی و کارایی طبقه بندی چند لایک مورد استفاده قرار گیرد. با این حال، چرا که الگوریتم های انتخاب چندگانه الگوریتم باید برچسب های چندگانه را همزمان در نظر بگیرند، این کار دشوار تر از کارهای انتخاب یک ویژگی است. در این مقاله پیشنهاد می کنیم روش انتخاب چند منظوره مبتنی بر اطلاعات متقابل با استفاده از اطلاعات تعامل ارائه شود. این روش به طور طبیعی قادر به اندازه گیری وابستگی بین متغیرهای متعدد است. برای ایجاد یک روش انتخاب چندبعدی کارآمد، ما مرزهای نظری را برای اطلاعات متقابل بدست می آوریم. مطالعات تجربی نشان می دهد که روش انتخاب ویژگی چند برچسب ما پیشنهاد می کند که زیرمجموعه های ویژگی موثر برای مشکلات طبقه بندی چند لایک پیدا شود.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
Multi-label feature selection is regarded as one of the most promising techniques that can be used to maximize the efficacy and efficiency of multi-label classification. However, because multi-label feature selection algorithms must consider multiple labels concurrently, the task is more difficult than single-label feature selection tasks. In this paper, we propose the Mutual Information-based multi-label feature selection method using interaction information. This method is naturally able to measure dependencies among multiple variables. To develop an efficient multi-label feature selection method, we derive theoretical bounds for the interaction information. Empirical studies indicate that our proposed multi-label feature selection method discovers effective feature subsets for multi-label classification problems.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 42, Issue 4, March 2015, Pages 2013-2025
Journal: Expert Systems with Applications - Volume 42, Issue 4, March 2015, Pages 2013-2025
نویسندگان
Jaesung Lee, Dae-Won Kim,