[发明专利]基于标签相关性的多标签流特征确定最优特征子集的方法

权利要求书

1.一种基于标签相关性的多标签流特征确定最优特征子集的方法，其特征在于，其包括如下步骤：

步骤S1、将多个标签定义为标签集L，其中l_j∈L，l_j为L中的第j个标签，0≤j≤m，m为标签的个数；

步骤S2、计算标签集L中每个标签的重要性权重LW(l_j)，其具体包括以下子步骤：

S21、根据互信息计算两个标签之间的相关性w(l_i；l_j)，将两个相同的标签之间的互信息设为0，即当i＝j时，w(l_i；l_j)＝0；根据互信息计算两个标签之间的相关性w(l_i；l_j)的公式如下：

式中，MI(·,·)表示互信息，P(·,·)表示联合概率分布函数，P(·|·)表示条件概率分布函数，P(·)表示边缘概率分布函数，1≤k≤N，1≤q≤N，N表示实例的个数，l_ik表示标签l_i对应的实例是x_k，x_k＝[x¹,x²,…,x^d]，x_k表示d维向量，l_jq表示标签l_j对应的实例是x_q，x_q＝[x¹,x²,…,x^d]，x_q表示d维向量；

S22、将各个标签作为节点，构建加权无向图WUG，将两个标签之间的相关性的值作为加权无向图WUG中两个节点之间的边上的权重；

S23、根据构建的加权无向图WUG，利用以下公式计算每个标签的重要性权重LW(l_j)：

式中，SW(l_j)表示各个标签和标签l_j的互信息求和，LW(l_i)和LW(l_j)分别表示标签l_i和标签l_j的权重值；SN(l_i)表示指向标签节点l_i的节点的集合；w(l_i,l_j)表示标签l_i和l_j之间的相关性；d表示阻尼系数；每个节点均具有一个初始权重，该初始权重设置为1/m，其中m为节点的总数，即标签的总数；

步骤S3、定义模型中第i个特征到达的时刻为t_i，并初始化t_i＝0，特征随着时间的推移依次流入模型；

步骤S4、定义在时刻t_i到达的特征为f_i；定义特征数的极限值为INF；定义候选特征集为CFS，并初始化定义相关性阈值为δ；

步骤S5、对i与INF的值进行比较，判断i≤INF是否成立；若成立，则执行步骤S6-S12；若不成立，结束所有步骤并退出；

步骤S6、判断步骤S4定义的候选特征集CFS是否为空集；若候选特征集CFS为空集，则进入步骤S7；若候选特征集CFS不为空集，则进入步骤S8；

步骤S7、当新流入一个特征f_i时，判断新流入的特征f_i与标签集L是否相关，对新流入的特征f_i与标签集L进行相关性分析，若两者不相关，则删除该新流入的特征f_i，并进入步骤S12；若两者相关，则将该新流入的特征f_i加入到候选特征集CFS_i-1，此时，候选特征集CFS＝CFS_i-1∪f_i，之后进入步骤S12；

步骤S8、当新流入一个特征f_i时，对特征f_i进行显著性分析，判断特征f_i是否为显著特征；若该新流入的特征f_i为显著特征，则将该新流入的特征f_i加入到候选特征集CFS_i-1，此时，候选特征集CFS＝CFS_i-1∪f_i；若该新流入的特征f_i为非显著特征，则进入步骤S9；

步骤S9、判断该新流入的特征f_i与标签集L是否相关，对该新流入的特征f_i与标签集L进行相关性分析；若两者不相关，则删除f_i并进入步骤S12；若两者相关，则进入步骤S10；

步骤S10、遍历候选特征集CFS_i-1中的每个特征，判断CFS_i-1中是否存在特征f_k能代替该新流入的特征f_i，若存在能代替特征f_i的特征f_k，则将该新流入的特征f_i作为冗余特征删除并进入步骤S12；否则，进入步骤S11；

步骤S11、遍历候选特征集CFS_i-1中的每个特征，判断该新流入特征f_i能否代替CFS_i-1中的某个特征f_k，若CFS_i-1中存在能够被新流入的特征f_i代替的特征f_k，则将该特征f_k作为冗余特征从候选特征集CFS_i-1中删除，CFS_i-1＝CFS_i-1-f_k，并将新流入的特征f_i加入到候选特征集CFS_i-1，此时，候选特征集CFS＝CFS_i-1∪f_i，之后进入步骤S12；否则，直接将新流入的特征f_i加入到候选特征集CFS_i-1，候选特征集CFS＝CFS_i-1∪f_i，之后进入步骤S12；

步骤S12、判断是否有特征未处理；若结果为是，则返回步骤S5按照流程重新进行操作；若结果为否，则输出最优特征子集SF＝CFS。