.png){kind=icon}
返回
Feature Selection With Fuzzy-Rough Minimum Classification Error Criterion
.png){kind=icon}
PRE
AI
DOI：10.1109/TFUZZ.2021.3097811.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
经典模糊粗糙集通常使用模糊粗糙依赖关系作为特征选择的评估函数。然而，该函数只保留了一个样本对一个决策类的最大隶属度，不能描述分类误差。因此，在本文中，提出了一种用于特征选择的新颖准则函数来克服这一弱点。为了表征分类错误率，我们首先引入一类非自反对称模糊二元关系来重新定义模糊粗糙近似的概念。然后，我们提出了一种新的依赖概念: 内积依赖来描述分类错误，并构造了一个准则函数来评估候选特征的重要性。所提出的准则函数不仅可以保持最大的依赖函数，而且可以保证最小的分类误差。实验分析表明，所提出的准则函数对于不同类别之间存在较大重叠的数据集是有效的。
Keyword:
Rough sets
Feature extraction
Error analysis
Classification algorithms
Data models
Task analysis
Fuzzy sets
Dependency function
feature selection
fuzzy inner product
fuzzy rough set
期刊
IF:
11.9
论文数:
5.0K
被引数:
2.9W
机构
引用论文
.png){kind=icon}
L-fuzzy concept analysis for three-way decisions: basic definitions and fuzzy inference mechanisms
PREAI
分享收藏A Group Incremental Approach to Feature Selection Applying Rough Set Technique应用粗糙集技术的组增量式特征选择方法
PREAI
分享收藏分享收藏
查看更多内容