马盈仓,张 要,2，张 宁，朱恒东

(1.西安工程大学 理学院,陕西 西安 710600;2.山东华宇工学院 基础教学部，山东 德州 253034)

0 引 言

嵌入式多标签特征选择方法是目前性能良好并广泛使用的一类特征选择方法。多标签特征选择又称为多标签特征子集选择，是指适用于多标签数据集的特征选择算法，是从原始特征中选择出一些最有效的特征以降低数据集维度的过程。在学习算法中，多标签特征选择不仅能够缩短训练时间、降低成本要求，还能减少过拟合、避免维数灾难等[1-3]，是模式识别中关键的数据预处理步骤。与传统的特征选择相比，多标签特征选择往往更为复杂，既要考虑数据与数据间的关系、数据与标签间的关系，还要考虑标签与标签间的关系。现有的特征选择方法大致可分为过滤式[4-6]、封装式[7-8]、嵌入式[9-11]等3类，其中嵌入式是过滤式与封装式的折中体现。基于标签信息的有无，也可将特征选择方法分为有监督[12-13]、半监督[14-15]、无监督[16-17]等。然而，现有的嵌入式多标签特征选择方法，大多是基于最小二乘、逻辑回归、信息熵等，且隶属于有监督或半监督多标签特征选择方法。

文献[18]将传统的逻辑模型扩展到多标签分类中，使其能够适用于多标签数据集，同时也能进行多标签特征选择；文献[19]利用标签ω拖动思想，提出了一种包含标签信息的最小二乘多标签特征选择方法；文献[20]针对标签不平衡分布问题，提出了一种边缘标记弱化的多标签特征选择算法；文献[21]提出了一种新的扩展自适应最小绝对收缩选择算子特征选择方法(EALasso)。……