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

作     者：杨燕燕 张晓 李翔宇 杜晨曦 李懿恒 YANG Yanyan;ZHANG Xiao;LI Xiangyu;DU Chenxi;LI Yiheng

作者机构：北京交通大学软件学院北京100044 西安理工大学理学院西安710048 

基　　金：中央高校基本科研业务费专项资金(2019RC055) 

出 版 物：《重庆邮电大学学报（自然科学版）》 (Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition))

年 卷 期：2021年第33卷第5期

页      码：759-768页

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。

主 题 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 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3979/j.issn.1673-825X.202105140161

馆 藏 号：203105764...