基于最大一致块的缺失数据标记维度降维方法研究 陈世琪， 索忠英， 孔远波， 薛松雷， 王卓洛

《Axioms》：Research on Dimensional Reduction Methods for Incomplete Data Labeling Based on Maximal Consistent Blocks Shiqi Chen, Zhongying Suo, Yuanbo Kong, Songlei Xue and Zhuoluo Wang

　　

摘要

本文提出了一种基于最大一致块（Maximum Consistent Blocks, MCBs）的统一方法，用于解决不完整的单一标签和多标签维度降维问题。通过引入动态多行检测机制并优化块大小确定标准，改进了最大一致块的矩阵计算方法。可以通过矩阵交集操作高效地获得完整的最大一致块集合。对于不完整的单一标签决策信息系统，设计了一种基于最大一致块的属性降维算法，通过保留决策类的上下近似分布来消除冗余属性。在多标签场景中，提出了一种结合粗略和精细决策函数的补充决策降维方法，并采用统一的解决方案范式来完成多标签维度降维。通过统计测试、可扩展性研究、结构化缺失性研究以及与Birds、Scene和Yeast数据集（缺失率为5%/10%/15%）上四个代表性基线的比较，验证了该方法在分类（F1分数、排名损失、汉明损失）、降维性能和运行时效率方面的有效性。