یک روش سریع برای انتخاب بهترین گراف­ ها جهت ترکیب به منظور افزایش دقت انتشار برچسب

بسیاری از اوقات بررسی یک پدیده تنها از یک منظر (ویژگی) به تنهایی نمی تواند به تشخیصی کامل و دقیق از آن منجر شود. همچنین اینکه کدام ویژگی بهترین توصیف از پدیده مورد بررسی را ارائه می دهد از پیش برای ما مشخص نیست. لذا انتخاب بهترین ویژگی­ها و ترکیب آنها می تواند منجر به نتایج مطلوب شود. می توان برای توصیف روابط بین نمونه داده­ها از منظر هر کدام از ویژگی­ها یک گراف ساخت. گرافی که در آن وزن بین نمونه­های متعلق به یک کلاس زیاد و بین کلاس­های مختلف کم باشد مطلوب­تر است و دقت انتشار برچسب روی آن بالا خواهد بود، لذا بر این اساس و بر مبنای داده­های برچسب­دار، می توان بهترین گراف­ها را انتخاب و سپس ترکیب کرد. در این مقاله یک روش رتبه­بندی برای انتخاب گراف مناسب برمبنای جمع مقادیر وزن­های بین نمونه­های هر کلاس و یک روش برای بهبود نتایج ترکیب و انتشار برچسب پیشنهاد شده است. نتایج بدست آمده نشان می­دهد که انجام دو مرحله انتخاب و ترکیب در کنار یکدیگر می تواند منجر به نتیجه­ای مشابه دقت بهترین گراف و یا حتی بالاتر از آن شود.