FCPFS: Fuzzy Granular Ball Clustering-Based Partial Multilabel Feature Selection With Fuzzy Mutual Information

人工智能 相互信息 模糊聚类 模糊逻辑 特征选择 聚类分析 模式识别(心理学) 球(数学) 粒度计算 数据挖掘 计算机科学 特征(语言学) 模糊集 数学 机器学习 粗集 数学分析 语言学 哲学
作者
Lin Sun,Qifeng Zhang,Weiping Ding,Tianxiang Wang,Jiucheng Xu
出处
期刊:IEEE transactions on emerging topics in computational intelligence [Institute of Electrical and Electronics Engineers]
卷期号:: 1-17
标识
DOI:10.1109/tetci.2024.3399665
摘要

In the partial multilabel learning, incorrect labels are annotated because of their low quality and poor recognition. To decrease secondary errors in partial multilabel classification, this paper proposes a novel fuzzy granular ball clustering-based partial multilabel feature selection scheme with fuzzy mutual information. First, to overcome the defect that the traditional granular ball model cannot be applied to partial multilabel classification and its splitting rules are anomalous and stochastic, an objective function is designed by the fuzzy membership degree, the splitting rules and termination conditions are redesigned, and a new fuzzy granular ball clustering method using fuzzy k -means can be developed to preprocess partial multilabel data. Second, to reduce the impact of noise labels, the instance set of each granular ball is generated according to fuzzy granular ball clustering instead of neighborhood class, and the fuzzy similarity relationship between instances is constructed. Subsequently, granular ball-based fuzzy entropy measures and fuzzy mutual information and their properties are proposed in granular ball-based partial multilabel systems. Finally, the dependence and relevance between features and label sets are studied, the significance of features based on fuzzy mutual information is presented, and then a heuristic partial multilabel feature selection method is constructed to enhance the effect of partial multilabel data classification. Experiments on 18 partial multilabel datasets illustrate the availability of our method compared to other multilabel classification algorithms in its classification effect.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
SciGPT应助哭泣的如豹采纳,获得100
8秒前
啊饭完成签到 ,获得积分10
8秒前
wwww完成签到 ,获得积分10
13秒前
13秒前
GU发布了新的文献求助20
20秒前
23秒前
GU完成签到,获得积分10
26秒前
www完成签到 ,获得积分10
27秒前
sagapo完成签到 ,获得积分10
29秒前
大模型应助老火采纳,获得10
31秒前
34秒前
kejun完成签到 ,获得积分10
34秒前
llhh2024完成签到,获得积分10
37秒前
自觉的万言完成签到 ,获得积分10
40秒前
Miracle完成签到,获得积分10
41秒前
666发布了新的文献求助10
41秒前
spume完成签到 ,获得积分10
42秒前
mzhang2完成签到 ,获得积分10
43秒前
碗碗豆喵完成签到 ,获得积分10
44秒前
666完成签到,获得积分10
47秒前
JJ完成签到 ,获得积分10
56秒前
铜豌豆完成签到 ,获得积分10
57秒前
优雅的千雁完成签到,获得积分10
1分钟前
烟花应助科研通管家采纳,获得10
1分钟前
麦海星完成签到 ,获得积分10
1分钟前
LeoYiS214完成签到,获得积分10
1分钟前
Gary完成签到 ,获得积分10
1分钟前
wbb完成签到 ,获得积分10
1分钟前
Liu Xiaojing完成签到,获得积分10
1分钟前
秋澄完成签到 ,获得积分10
1分钟前
无言完成签到 ,获得积分10
1分钟前
苦行僧完成签到 ,获得积分10
1分钟前
ycd完成签到,获得积分10
2分钟前
明理的乐儿完成签到 ,获得积分10
2分钟前
wure10完成签到 ,获得积分10
2分钟前
三颗石头完成签到,获得积分10
2分钟前
nusiew完成签到,获得积分10
2分钟前
naohai完成签到,获得积分10
2分钟前
维维完成签到 ,获得积分10
2分钟前
轩辕剑身完成签到,获得积分0
2分钟前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Handbook of Qualitative Cross-Cultural Research Methods 600
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3139648
求助须知:如何正确求助?哪些是违规求助? 2790514
关于积分的说明 7795518
捐赠科研通 2446980
什么是DOI,文献DOI怎么找? 1301543
科研通“疑难数据库(出版商)”最低求助积分说明 626259
版权声明 601176