.png){kind=icon}
返回
Different classes' ratio fuzzy rough set based robust feature selection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2016.12.024.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为了解决经典模糊粗糙集 (FRS) 模型对噪声信息敏感的问题，提出了一种有效的鲁棒模糊粗糙集模型，称为不同类别的比率模糊粗糙集 (DC_ratio FRS) 模型。提出的模型可以减少噪声样本对下，上近似的计算的影响，并直接识别噪声样本。此外，DC_ratio FRS模型对噪声具有鲁棒性，因为它忽略了噪声样本，可以通过计算该样本的不同类别的比率来识别该样本。不同类别的比率表示给定样本的邻居中属于不同课程的样本的比例。然后，还讨论了DC_ratio FRS模型的性质，并将基于DC_ratio FRS模型的样本对选择 (SPS) 用于特征选择。最后，通过大量实验说明了该模型的鲁棒性和有效性。(C) 2016爱思唯尔有限公司。版权所有。
Keyword:
Feature selection
Fuzzy rough set
Robust
Noise
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
Feature selection based on loss-margin of nearest neighbor classification.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏分享收藏Electrical Conductivity of Reproductive Tissue for Detection of Estrus in Dairy Cows用于检测奶牛发情的繁殖组织电导率
OAAI
OAAI分享收藏分享收藏
查看更多内容