基于正区域和投票式属性重要度的特征提取算法OA北大核心CSTPCD
高维数据集中的不相关或冗余信息导致特征提取计算复杂度较高的问题,已成为研究者关注的热点。邻域粗糙集模型具有通过删除大规模数据中的冗余信息来提高计算效率方面的优势,为进一步提升现有邻域粗糙集模型在处理连续型高维数据库的特征提取过程中的计算效率,提出一种基于正区域和投票式属性重要度的特征提取算法。该算法首先依据属性约简前后正区域不变的性质,以及属性约简与正区域内决策划分类的类内归并和类间区分之间的本质联系,改进了投票式属性重要度计算办法;然后从域间区…查看全部>>
骆公志;张尚蕾
南京邮电大学管理学院,江苏南京210003南京邮电大学管理学院,江苏南京210003
计算机与自动化
邻域粗糙集属性重要度正区域投票策略特征提取
《南京邮电大学学报（自然科学版）》 2024 (1)
P.79-89,11
国家自然科学基金(72171124)江苏高校哲学社会科学研究重大项目(2021SJZDA129)江苏省研究生科研创新计划(KYCX22-0884)资助项目。
评论