針對傳統(tǒng)的拉普拉斯評分特征選擇算法只適應(yīng)單標記學(xué)習(xí)，無法直接應(yīng)用于多標記學(xué)習(xí)的問題，提出一種應(yīng)用于多標記任務(wù)的拉普拉斯評分特征選擇算法。首先，考慮樣本在整體標記空間中共同關(guān)聯(lián)和共同不關(guān)聯(lián)的相關(guān)性，重新構(gòu)建樣本相似度矩陣;然后，將特征之間的相關(guān)性及冗余性判定引入拉普拉斯評分算法中，采用前向貪心搜索策略依次評價候選特征與已選特征的聯(lián)合作用能力，用于評價特征的重要性;最后，在5個不同評價指標和6個多標記數(shù)據(jù)集_上實驗。實驗結(jié)果表明：相比基于最大依賴的多標記維數(shù)約簡方法（ MDDM）、基于貝葉斯分類器的多標記特征選擇算法（MLNB）及基于多元互信息的多標記分類特征選擇算法（PMU），所提算法不僅分類性能最優(yōu)，且存在顯著性優(yōu)異達65%。

　　多標記學(xué)習(xí)是目前機器學(xué)習(xí)、模式識別和數(shù)據(jù)挖掘等領(lǐng)域的研究熱點之一。多標記學(xué)習(xí)中每個樣本不僅由一 ~組特征向量描述，還可能同時有多個語義，將多個語義設(shè)計成多個標記。例如：在圖像標注“中， - 幅圖同時具有“沙漠”“藍天”“風(fēng)景”等幾個語義信息;在文本分類學(xué)習(xí)131中， -篇文檔具有“上海世博會”“經(jīng)濟”和“志愿者”等幾個主題;在音樂樂曲中，一首樂曲可能同時具有“放松”“幸?！薄鞍察o”和“難過”等幾個情感語義。多標記學(xué)習(xí)中多個語義標記并不互斥，因此有別于單標記學(xué)習(xí)中的多個類別。多標記學(xué)習(xí)不僅需要了解利用多個標記之間的信息，同時仍然需要解決冗余特征、維數(shù)災(zāi)難等問題。