本发明涉及一种基于邻域粗糙集的半监督多标签在线流特征选择方法，包括以下步骤：任意新特征以流的形式一个接一个流入模型；通过定义的邻域关系获得缺失标签实例的邻居，并对缺失标签进行预测；求得新特征的依赖度；对新特征进行在线特征重要性评估；对候选集进行在线冗余更新；重复上述步骤，直至没有未处理的特征，最终，可以获得一个最优特征子集。本发明不需要了解任何领域知识，可以在不设置任何参数的情况下适应各种形式的数据集，有较强的泛化能力。本发明可以处理缺少标签的数据集，并且能够选择出高效率的特征。本发明最大化了候选特征集在标签上的依赖性，并选择具有高相关性和低冗余的特征。
