计算机工程

作者：赵洁, 叶文浩, 梁周扬, 陈建新, 董振宁

单位：广东工业大学管理学院, 广东 广州 510520

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

基金：国家自然科学基金(71871069); 国家自然科学基金(72271063)

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%。

来源：2024年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第1期