.png){kind=icon}
返回
Variable granularity rough sets for semi-supervised feature selection
.png){kind=icon}
PRE
AI
DOI：10.1007/s13042-026-03353-5.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
粒计算理论为测量数据不确定性提供了一个完善的框架。然而，在涉及多密度数据的实际应用中，数据分布的差异显著影响不确定性测量，常导致传统邻域方法产生较大误差。为解决此问题，本研究从可变粒度视角提出了一种新颖的不确定性测量与数据约简框架，为可变粒度粗糙集（VGRS）奠定了理论基础。对于分类不确定性较高的样本，VGRS模型为每个样本分配初始粒度，识别内部类标签冲突，并动态调整粒度。随后，通过调整后的邻域粒度判定样本是否属于决策类的下近似。基于VGRS模型，进一步发展了特征选择算法。全面的数值实验表明，基于VGRS的算法性能优越，验证了所提模型的可行性、有效性和泛化能力。
Keyword:
Variable granularity
Rough sets
Multi-density data
Robust classification
Semi-supervised feature selection
期刊
IF:
2.7
论文数:
3.2K
被引数:
6.6K
机构
引用论文
Integrating granular computing with density estimation for anomaly detection in high-dimensional heterogeneous data将粒计算与密度估计相结合，用于高维异构数据中的异常检测
PREAI
分享收藏Local neighborhood encodings for imbalanced data classification用于不平衡数据分类的局部邻域编码.png)
MACHINE LEARNING
OAAI
MACHINE LEARNINGIF2.9
OAAI分享收藏Semi-supervised multi-view feature selection with adaptive similarity fusion and learning基于自适应相似度融合与学习的半监督多视角特征选择PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏分享收藏Hierarchical clustering algorithm based on Crystallized neighborhood graph for identifying complex structured datasets基于结晶邻域图识别复杂结构数据集的层次聚类算法
PREAI
分享收藏Data-adaptive kernel clustering with half-quadratic-based neighborhood relationship preservation
PREAI
分享收藏A multicriteria approach based on rough set theory for the incremental Periodic prediction基于粗糙集理论的增量周期预测多准则方法
OAAI
OAAI分享收藏
查看更多内容