|
|||||
|
|
| 基于样本对选择的分层分类特征选择算法研究 | |
| 作者姓名： | 折延宏 武晋兰 贺晓丽 |
| 作者单位： | 1. 西安石油大学理学院;2. 西安石油大学计算机学院 |
| 基金项目： | 国家自然科学基金项目（61976244,12001422）；;陕西省自然科学基金项目（2021JQ-580）； |
| 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 |