精度和效率是评判特征选择算法性能的关键指标,分别对应邻域粗糙集的属性依赖度和约简规模,而已有的特征选择算法通常以属性约简的最大依赖度为导向进行寻优,忽略了约简规模的重要性。现实中,随着数据特征维度的增加和类别层次结构的出现,导致类别信息复杂且结构关系混乱,传统属性依赖度计算未有效利用类别层次结构信息,使得分类性能不佳。鉴于此,本文构造了一种综合考量属性重要度和类别层次结构关系的混合层次依赖度,将混合层次依赖度和约简规模作为两个独立的优化目标,引入多目标进化算法对其分别进行优化,从属性依赖度和属性规模两方面提升所得属性约简的性能,以得到满足目标约束的约简结果。数据实验分析结果表明,所提算法能够在目标约束内得到更高质量的约简结果,并且能够提高分类精度。
来源出处
混合层次依赖度下的邻域粗糙集多目标特征选择算法
http://sjcj.nuaa.edu.cn/sjcjycl/article/abstract/202501009
相关内容
发布日期
08/04/2020 - 01:35
发布日期
01/10/2022 - 19:32
发布日期
08/04/2020 - 01:35
发布日期
10/31/2021 - 01:12
发布日期
09/05/2024 - 19:28
发布日期
02/18/2025 - 20:48
发布日期
10/17/2023 - 23:16
发布日期
06/17/2022 - 10:21
发布日期
01/10/2022 - 19:31
发布日期
02/18/2025 - 20:47
发布日期
01/18/2025 - 20:37
发布日期
08/04/2020 - 01:35
发布日期
08/04/2020 - 01:35
发布日期
01/31/2024 - 13:01
发布日期
10/31/2021 - 01:48
发布日期
01/10/2022 - 19:31
发布日期
07/19/2023 - 21:44
发布日期
08/04/2020 - 01:35
发布日期
02/29/2024 - 16:35
发布日期
06/17/2022 - 10:21