-
题名基于不一致近邻的模糊粗糙集特征选择
- 1
-
-
作者
赵洁
叶文浩
梁周扬
陈建新
董振宁
-
机构
广东工业大学管理学院
-
出处
《计算机工程》
CSCD
北大核心
2024年第1期110-119,共10页
-
基金
国家自然科学基金(71871069,72271063)。
-
文摘
模糊粗糙集可突破经典粗糙集仅能处理离散数据的局限,有效对连续型数值进行特征选择。然而,模糊粗糙集以对象为中心计算,时间复杂度高,难以处理高维和大规模数据。为此,基于水平截集提出一种不一致近邻加速策略。该策略跟踪论域中每个对象的模糊近邻集,持续删减其中不影响计算的近邻,若对象的不一致近邻删减至空,则删减该对象,从而提高算法效率。同时,设计一种基于不一致近邻递减的属性重要度,可有效抑制冗余特征入选,提升效率及分类精度。通过理论证明,所提的加速策略及属性重要度不影响属性入选的次序。在此基础上,提出新的模糊粗糙集特征选择算法。在9个UCI和scikit数据集上进行验证,实验结果表明,该算法不仅有效缩短运行时间,并可取得较高的分类精度,相比FA-FSCE、AVDP和IV-FS-FRS-2算法,运行时间至少可缩短9.44%,尤其在高维和大规模数据上可缩短61.01%~99.54%,在支持向量机和K-近邻算法的分类精度上最高可分别提高11.20%和19.95%。
-
关键词
模糊粗糙集
特征选择
水平截集
不一致近邻
属性重要度
-
Keywords
fuzzy rough set
feature selection
level-set
inconsistent nearest neighbors
significance of attributes
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
