基于改进邻域粒的模糊熵特征选择算法

• 作者: 刘政怡 姚晟 徐风 赵鹏 陈菊
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 粗糙集 邻域粒 方差 模糊熵 特征选择
• 年，卷（期）: 2017,（4）
• 页码范围: 802-814
• 页数: 13页
• 分类号: TP18
• 字数: 8434字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2017.04.024

摘要

特征选择是一项重要的数据预处理技术,其目的是在不降低数据分类精度情形下选择一个特征子集,从而对原数据集达到降维的效果,同时也提高学习算法的性能.在邻域粗糙集模型中,传统方法构造出的对象邻域粒未考虑数据的分布问题,使得邻域粒存在一定的误差.首先通过方差来刻画数据的分布,然后根据数据分布提出一种改进的邻域粒,这种改进的邻域粒能够自适应数据的分布,有着较好的优越性,最后将改进邻域粒与邻域模糊熵结合,提出一种特征重要度的评估方式,并给出对应的特征选择算法.实验结果表明,新提出的特征选择算法在特征选择结果、时间消耗和特征子集的分类精度方面都更具一定的优越性.