基于样本和特征搜索空间不断缩小的模糊粗糙集特征选择

摘要：

为了提高模糊粗糙集特征选择算法的计算效率,在每次迭代过程中通过不断缩减样本和特征的搜索范围,提出了一种新的模糊粗糙集特征选择算法.为了减少样本的搜索范围,利用样本对决策类下近似隶属度的单调性,构建样本的筛选机制,用以筛除当前所选特征子集已保持决策类下近似隶属度的样本;为了缩减特征的搜索范围,采用特征冗余性概念,构建特征搜索机制,用以移除已被确定为冗余的特征;通过融合样本筛选机制和特征搜索准则,设计模糊粗糙集特征选择的高效算法.数值实验表明,所提算法具有高效性和有效性.

关键词：模糊粗糙集;特征选择;特征冗余性;样本筛选机制;特征搜索准则

所属期刊栏目：33

分类号：TP181(自动化基础理论)

资助基金：中央高校基本科研业务费专项资金2019RC055

在线出版日期：2021-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：759-768