基于粗糙集特征选择的过拟合现象及应对策略

作     者：张文冬 亓慧 刘克宇 杨习贝 ZHANG Wendong;QI Hui;LIU Keyu;YANG Xibei

作者机构：江苏科技大学计算机学院镇江212003 太原师范学院计算机系太原030619 

基　　金：国家自然科学基金(61572242 61502211 61503160)项目资助 

出 版 物：《南京航空航天大学学报》 (Journal of Nanjing University of Aeronautics & Astronautics)

年 卷 期：2019年第51卷第5期

页      码：687-692页

摘      要：在粗糙集方法中,利用向前启发式算法进行特征选择,是一个逐步加入重要度最高的特征的过程,直至满足所给定的约束条件。但使用这一策略选择出来的特征子集有可能产生过拟合现象。鉴于此,设计了一种新的启发式算法,其主要思想是借助交叉验证的方法对特征的重要度进行计算,当过拟合出现时,则采用截断式机制终止算法。使用邻域粗糙集模型,在UCI数据集上将启发式算法与所提算法进行对比分析,实验结果表明:所提算法能够有效地降低过拟合的程度;利用所提算法得到的特征子集能够带来更好的分类性能。

主 题 词：特征选择 启发式算法 邻域粗糙集 过拟合 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16356/j.10052615.2019.05.015

馆 藏 号：203820560...