Granular-ball based cross-granularity fuzzy knowledge collaborative feature selection

doi:10.1016/j.fss.2026.110032

Granular-ball based cross-granularity fuzzy knowledge collaborative feature selection

2026-07-03

0

PRE

AI

DOI：10.1016/j.fss.2026.110032

原文链接

原文求助

摘要

En 中文

基于粒计算模型的粒球计算（GBC）因其粗粒度特性在提升模型性能方面的鲁棒性和高效性而受到认可。在特征选择中，GBC增强模型通常能显著提高后续分类任务的准确性。然而，现有方法通常在粒球生成过程中移除样本，而非使用完整数据集，并且后续仅依赖粒球中心进行建模。我们首次通过SHapley Additive exPlanations（SHAP）分析定量证实了这一现象，表明此类做法会扭曲特征表示。为解决此问题，我们提出了一种基于粒球的跨粒度模糊知识协作（GCFKC）方法用于特征选择。其核心是基于跨粒度知识协作的模糊粗糙集模型，该模型克服了传统粒球生成过程中的信息损失问题。通过采用结构保持的增量特征空间更新策略，我们推导出一种特征重要性评估指标。在公共数据集上进行的综合实验结果表明，我们的特征选择算法在有效性和鲁棒性方面均显著优于现有方法。

Granular-ball based cross-granularity fuzzy knowledge collaborative feature selection

摘要

期刊

机构

引用论文