10.3979/j.issn.1673-825X.202105140161
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
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.
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
33
TP181(自动化基础理论)
中央高校基本科研业务费专项资金2019RC055
2021-11-25(万方平台首次上网日期,不代表论文的发表时间)
共10页
759-768