不完备数据中面向特征值更新的增量特征选择方法

• 作者: 唐荣 罗川 曹潜 王思朝
• 来源期刊: 智能系统学报
• 关键词: 特征选择 维度约简 粗糙集 信息熵 不完备数据 缺失值 启发式搜索 增量学习
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 知识工程|Knowledge Engineering
• 页码范围: 493-501
• 页数: 9页
• 分类号: TP18
• 语种: 中文
• DOI: 10.11992/tis.202006045

摘要

实际应用中,数据常常表现出不完备性和动态性的特点.针对动态不完备数据中的特征选择问题,提出了一种基于相容粗糙集模型和信息熵理论的增量式特征选择方法.首先,建立了不完备信息系统中特征值动态更新时论域上条件划分与决策分类的动态更新模式,分析了作为特征重要度评价准则的不完备相容信息熵的增量计算机制,并将该机制引入到启发式最优特征子集搜索过程中特征重要度的迭代计算,进一步设计了不完备数据中面向特征值动态更新的增量式特征选择算法.最后,在标准UCI数据集上从分类精度、决策性能和计算效率3个方面对文中所提出的增量算法的有效性和高效性进行了实验验证.