覆盖不平衡下更稳
针对标签覆盖不均与特征冗余，提出覆盖感知权重和最大冗余比准则，比现有方法选出的特征更可靠。
Luhan, Liu · Xinyi, He · Hanlin, Pan · 李永豪 · 高万夫 · Wen, Jie · Ding W.
IEEE Transactions on Knowledge and Data Engineering 2026
覆盖感知权重显式建模标签覆盖度和归一化频率，动态减轻高覆盖标签的主导，使低覆盖标签也能公平影响特征选择。
采用最大冗余比准则从最差情形视角刻画冗余，比平均依赖更准确地识别异构信息尺度下的主导冗余特征。
联合互信息与稳定化条件互信息，捕捉单一测量无法完整刻画的特征-标签互补信息。
在14个真实多标签数据集上超过9种代表性方法，涉及4项评估指标，性能优势具有统计意义。