.png){kind=icon}
返回
Robust Feature Selection with Fuzzy Rough Set
.png){kind=icon}
PRE
AI
DOI：10.1007/s40815-025-02053-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在建模任务中，不仅要考虑准确性，还要考虑时效性。基于模糊粗糙集的特征选择旨在从决策系统中移除冗余特征，从而降低决策系统的维度并加速后续计算。然而，由于数据噪声，该方法得到的特征子集可能会保留一些不必要的特征。为解决这一问题，研究人员提出了一些鲁棒性特征选择算法。这些算法采用包装技术，但计算耗时较长。受机器学习中的正则化方法启发，本文提出了一种基于模糊粗糙集的鲁棒性特征选择算法。该算法通过选择关键特征，旨在实现模糊粒粗糙度与模型简洁性之间的最优平衡，提升或保持分类精度，并在模型构建过程中所需时间更少。对比实验结果表明，所提算法的效率和有效性。
Keyword:
Robustness
Fuzzy rough set
Feature selection
期刊
IF:
3.6
论文数:
2.2K
被引数:
4.3K
机构
引用论文
Feature reduction for hepatocellular carcinoma prediction using machine learning algorithms.png)
JOURNAL OF BIG DATA
OAAI
JOURNAL OF BIG DATAIF6.4
OAAI分享收藏Feature selection in mixed data: A method using a novel fuzzy rough set-based information entropy混合数据中的特征选择: 一种新的基于模糊粗糙集的信息熵方法PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容