基于样本对选择的分层分类特征选择算法研究

摘要：

在大数据时代,数据的标签数量急剧增加,且标签集之间往往存在层次结构,利用层次结构进行大规模分类学习可有效解决维数灾难、类别不均衡问题,是近年来的研究热点.模糊粗糙集作为处理不确定性信息的有效工具,对于层次结构的描述有着特别的优势,本文给出了一种基于样本对选择的分层特征选择方法.通过将层次结构融入到目标概念的上、下近似之中,给出了一种新的模糊粗糙集模型,并研究了其详细性质,基于此,设计了一种基于样本对选择的特征选择算法,实验结果表明,本文所提出的算法在效率和准确性方面优于平面算法,从而为基于粒计算的分层特征选择提供了一种可能的框架.

关键词：分层分类、模糊粗糙集、辨识矩阵、样本对选择、特征选择

所属期刊栏目：47

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;陕西省自然科学基金;浙江省海洋大数据挖掘与应用重点实验室开放课题

在线出版日期：2022-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：92-102