基于邻域量化容差关系粗糙集模型的特征选择算法

发布时间：2018-05-20 18:08

本文选题：特征选择 + 不完备信息系统　；参考：《模式识别与人工智能》2017年05期

【摘要】：数值型不完备信息系统的特征选择方法大多是以容差关系为基础,但是这种处理方式存在数据相似性刻画过于宽松的缺陷.文中提出邻域量化容差关系的粗糙集模型,在该模型的基础上定义邻域量化容差条件熵,分析相关性质,根据邻域量化容差条件熵的单调性构造相应的特征选择算法.实验表明,文中算法在特征选择结果、运行时间和分类精度方面具有优越性.
[Abstract]:Most of the feature selection methods of numerical incomplete information systems are based on tolerance relations, but this processing method has some defects such as too loose description of data similarity. In this paper, a rough set model of neighborhood quantization tolerance relationship is proposed. Based on this model, the conditional entropy of neighborhood quantization tolerance is defined, and the related properties are analyzed. The corresponding feature selection algorithm is constructed according to the monotonicity of neighborhood quantization tolerance conditional entropy. Experiments show that the algorithm has advantages in feature selection, running time and classification accuracy.
【作者单位】：安徽大学计算智能与信号处理教育部重点实验室;安徽大学计算机科学与技术学院;
【基金】：国家自然科学基金项目(No.61602004,61300057) 安徽省自然科学基金项目(No.1508085MF127) 安徽省高等学校自然科学研究重点项目(No.KJ2016A041) 安徽大学信息保障技术协同创新中心公开招标课题(No.ADXXBZ2014-5,ADXXBZ2014-6);安徽大学博士科研启动基金项目(No.J10113190072)资助~~
【分类号】：TP18

【相似文献】