.png){kind=icon}
返回
Efficient Attribute Reduction with Minimal Cost for Large-Scale Data
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ijar.2026.109683.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 针对大规模数据集上的测试成本敏感学习，我们提出了一种高效的最小成本属性约简算法（MCDV）。• 我们开发了一种等距中心粒化方法，以高效构建高质量的多粒度信息粒子，避免冗余粒化并提高可扩展性。• 我们引入了∂-描述向量，以联合评估属性的分类能力和测试成本，将问题转化为单目标优化任务。• 所提出的方法将计算复杂度从二次方显著降低到线性，实现了对大规模数据集的高效处理。• 大量实验表明，MCDV在显著降低属性成本和运行时间的同时保持了高分类精度，优于现有方法。
Keyword:
Attribute Reduction
Test-Cost-Sensitive Learning
Multi-Granular Information
Minimum Cost
Large-Scale Data
期刊
IF:
3
论文数:
3.0K
被引数:
5.1K
机构
引用论文
.png){kind=icon}
分享收藏Multi-label feature selection with high-level semantic label relationships based on fuzzy rough sets基于模糊粗糙集的高层语义标签关系多标签特征选择
PREAI
分享收藏
查看更多内容