梁新燕；钱玉华；郭、钱；程洪红 用于多标签学习的局部粗糙集。 （中文。英文摘要） Zbl 1363.68126号 南京大学自然科学学报。 52，第2期，270-279（2016）. 摘要：多标签学习是一种特殊的学习任务，与单标签学习相比，每个对象同时与一组概念标签相关联。由于它广泛存在于现实世界中，因此它受到了越来越多的关注。在文本标记中，每个文档可以用多个标签进行注释，例如，一个关于经济的网页同时属于几个预定义主题，如巴菲特和股票；在自动场景注释中，每个场景都可以用主题词进行注释，例如，显示北极熊的图像可以同时与几个注释词相关联，例如熊和冰。在功能蛋白质组学的研究中，每个蛋白质都可能表现出多种功能。同时，所有这些案例都是多标签学习任务。与单标签学习一样，多标签学习也受到维度诅咒的困扰。属性约简提高多标签分类器的性能是降低数据维数的有效手段。针对单标签学习的属性约简方法很多，但针对多标签学习的方法却很少。然而，现有的属性约简方法计算复杂度较高。特别是在大数据的背景下，收集大量数据越来越容易。然而，标记所有数据是不现实的。如果我们用现有的粗糙集模型分析有限数据集的多标签问题，我们需要考虑三个挑战：更大的维数、现有粗糙集的局限性和部分标签决策表的出现。而半监督多标签学习是一个新的研究方向。为了解决这些挑战并进一步利用未标记样本的信息，引入了用于多标记学习的局部粗糙集，并获得了一些有趣的性质。最后，将局部粗糙集应用于多标签学习，设计了一种启发式约简方法。在三个公开数据集上验证了其有效性。 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：多标签学习；属性约简；局部粗糙集；partial-label决策表 PDF格式BibTeX公司 XML格式引用 \textit{X.Liang}等人，南京大学自然科学研究所。52，第2号，270--279（2016；Zbl 1363.68126） 全文： 内政部