一种面向歧义标记样本的特征选择方法技术

本发明专利技术公开了一种面向含歧义标记样本的特征选择方法，该方法对具有噪声标记信息的样本进行特征筛选，以达到数据预处理的目的。改方法包括以下步骤：（1）基于含歧义标记的原始数据信息初始化标记置信度，以标记置信度方式刻画标记信息；（2）根据样本信息计算每个特征变量与标记变量之间的互信息值；（3）选择前个与标记变量具有最大互信息值的特征作为特征子集元素；（4）根据所选特征子集进行kNN聚合，更新样本示例的标记置信度；（5）若标记置信度不变，则转到步骤（6），否则转到步骤（2）；（6）根据所选特征子集构造低维数据集；（7）结束。（7）结束。（7）结束。

【技术实现步骤摘要】
一种面向歧义标记样本的特征选择方法


[0001]本专利技术涉及弱监督信息下的特征选择
，尤其涉及一种面向歧义标记样本的特征选择方法。

技术介绍

[0002]如今信息化技术蓬勃发展，可获取的数据量呈指数增长，合理有效地利用这些数据，从中挖掘出可泛化的信息语义成为现在诸多科研工作者的研究重点。然而，直接对原始高维数据进行学习受到诸多不利因素限制，如高维空间中距离计算困难，样本稀疏等挑战，因此难以获得理想结果，这一现象被称为“维度灾难”。对原始样本进行特征选择是缓解“维度灾难”的有效手段，它从原始特征集合中选取最富信息量的特征子集构建新的训练样本，是一种有效提高后续学习系统性能的预处理技术。
[0003]现有特征选择方法大多基于标记信息单一且明确的监督数据。然而在现实生产环境中，受限于人力资源、时间成本及现有技术水平的制约，可获得的训练数据通常是包含噪声的，因此现有特征选择方法往往无法获得预期效果。如何对歧义标记样本进行特征选择是一个亟待解决的问题。

技术实现思路

[0004]为解决上述针对歧义标记样本存在特征维度过高的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向歧义标记样本的特征选择方法，其特征在于：包括以下步骤：步骤1：基于含歧义标记的原始数据信息初始化标记置信度，以标记置信度方式刻画标记信息；步骤2：根据样本信息计算每个特征变量与标记变量之间的互信息值；步骤3：选择前p个与标记变量具有最大互信息值的特征作为特征子集元素。步骤4：根据所选特征子集进行kNN聚合，更新样本示例的标记置信度；步骤5：若标记置信度不变，则转到步骤(6)，否则转到步骤(2)；步骤6：根据所选特征子集构造低维数据集；步骤7：结束。2.根据权利要求1所述的一种面向歧义标记样本的特征选择方法，其特征在于：所述步骤1使用标记置信度表示歧义标记信息，具体包括：假设具有歧义标记的数据集其中表示具有d维特征的样本示例，S
i
是与x
i
对应的候选标记集合，其真实标记y
i
在学习阶段未知，但满足y
i
∈S
i
，其中S
i
是与x
i
对应的候选标记集合；令Y(i,j)表示标记l
j
是示例x
i
真实标记的置信度，其被初始化为：3.根据权利要求1所述的一种面向歧义标记样本的特征选择方法，其特征在于：步骤2根据样本信息计算每个特征变量与标记变量之间的互信息值，依此评估特征变量与标记变量之间的依赖关系。具体过程如下：所选特征子集A
*
可以被形式化地描述为：其中F表示原始特征集合，I(
·
；
·
)表示变量间互信息，H(
·
|
·
)表示条件熵；对于每个歧义标记样本(x
i
,S
i
)(|S
i...

【专利技术属性】
技术研发人员：张敏灵，鲍伟轩，
申请(专利权)人：东南大学，
类型：发明
国别省市：