.png){kind=icon}
返回
Preference ranking organization method for enrichment evaluation-based feature selection for multiple source ordered information systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2024.109935.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多源有序决策信息系统中的特征选择是一个研究不足的领域，它提出了独特的挑战。本文通过将偏好排序组织方法用于丰富评估（PROMETHEE）方法中的偏好函数整合到特征选择框架中，介绍了一种新颖的方法来填补这一研究空白。我们的方法区别于传统的单源关注技术，为多源环境中的复杂问题（尤其是有序信息特征）提供了定制化解决方案。我们提出了一种算法，该算法将粗糙集理论与偏好函数相结合，以定量评估和排序特征对决策的相关性。这是通过构建偏好指数矩阵来实现的，该矩阵封装了多源序列决策信息系统中的属性偏差顺序关系。为验证我们方法的有效性，我们在12个多样化且复杂的加州大学尔湾分校（UCI）公开数据集上进行了全面的实验。结果表明，我们的特征选择方法在准确性和效率方面优于现有方法，同时也能为多源有序信息系统中的决策过程提供更深入的见解。
Keyword:
Multi-source
Feature selection
Ordered decision information system
Rough set
期刊
IF:
8
论文数:
5.7K
被引数:
3.5W
机构
引用论文
A novel approach to information fusion in multi-source datasets: A granular computing viewpoint
PREAI
分享收藏Benchmark for filter methods for feature selection in high-dimensional classification data高维分类数据中特征选择的过滤方法基准
OAAI
OAAI分享收藏An Emerging Fuzzy Feature Selection Method Using Composite Entropy-Based Uncertainty Measure and Data Distribution一种新兴的基于复合熵的不确定性度量和数据分布的模糊特征选择方法
PREAI
分享收藏A fuzzy rough set approach to hierarchical feature selection based on Hausdorff distance基于Hausdorff距离的模糊粗糙集层次特征选择方法.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏Multi-source information fusion based on rough set theory: A review基于粗糙集理论的多源信息融合研究综述INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏分享收藏
查看更多内容