第３５卷第１期重庆邮电大学学报（自然科学版）Ｖｏｌ．３５Ｎｏ．１２０２３年２月ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｆｅｂ．２０２３ＤＯＩ：１０．３９７９／ｊ．ｉｓｓｎ．１６７３⁃８２５Ｘ．２０２２０７２８０１９５结合邻域信息和标记相关性的在线多标记流特征选择算法收稿日期：２０２２⁃０７⁃２８修订日期：２０２２⁃１２⁃０５通讯作者：林耀进ｚｚｌｉｎｙａｏｊｉｎ＠１６３．ｃｏｍ基金项目：国家自然科学基金面上项目（６１６７２２７２）；福建省自然科学基金重点项目（２０２１Ｊ０２０４９）ＦｏｕｎｄａｔｉｏｎＩｔｅｍｓ：ＴｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（６１６７２２７２）；ＴｈｅＫｅｙＰｒｏｊｅｃｔｓｏｆＦｕｊｉａｎＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎ⁃ｄａｔｉｏｎ（２０２１Ｊ０２０４９）包丰浩１，２，林耀进１，２，李育林１，２，毛煜１，２（１．闽南师范大学计算机学院，福建漳州３６３０００；２．闽南师范大学数据科学与智能应用福建省高等学校重点实验室，福建漳州３６３０００）摘要：现有大多数多标记流特征选择算法在进行特征选择时，往往忽略标记间的相关性，易导致算法预测精度的下降。为解决这一问题，提出一种结合邻域信息和标记相关性的在线多标记流特征选择算法；定义自适应邻域关系解决邻域粗糙集的粒度选择问题，将其推广到多标记学习中；利用互信息计算标记间的相关性得到标记权重；通过邻域粗糙集和标记权重评估特征和标记间的相关性，并设计特征在线重要度分析、在线相关性分析和在线冗余度分析３种指标，以实现在线评价动态候选特征。在７组多标记数据集以及５个评价指标上的实验结果表明，所提算法综合性能较优。关键词：流特征；特征选择；邻域粗糙集；标记相关性；多标记学习中图分类号：ＴＰ３９１文献标志码：Ａ文章编号：１６７３⁃８２５Ｘ（２０２３）０１⁃００７９⁃１１Ｏｎｌｉｎｅｍｕｌｔｉ⁃ｌａｂｅｌｓｔｒｅａｍｉｎｇｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｖｉａｃｏｍｂｉｎｉｎｇｎｅｉｇｈｂｏｒｈｏｏｄｉｎｆｏｒｍａｔｉｏｎａｎｄｌａｂｅｌｃｏｒｒｅｌａｔｉｏｎＢＡＯＦｅｎｇｈａｏ１，２，ＬＩＮＹａｏｊｉｎ１，２，ＬＩＹｕｌｉｎ１，...
