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 |
|