监督邻域粗糙集下基于标准差属性重要度的启发式算法
刘旭东
江苏科技大学计算机学院 镇江 212100
摘要：作为粗糙集理论中的重要模型,监督邻域粗糙集因其良好的区分性能而备受关注.然而,当在监督邻域粗糙集上进行约简时,因为重复计算候选属性的重要度,大多数的搜索都会导致巨大的时间消耗.为解决这一问题,提出了基于标准差属性重要度的启发式算法.该算法通过样本的离散程度对属性重要度进行排序,以此来减少计算约简过程中候选属性的遍历次数.12组UCI数据集上的实验结果表明,与其余三种算法相比,基于标准差属性重要度的启发式算法所求约简的分类性能得到了提高,同时时间消耗有着显著减少.
关键词：加速策略属性约简属性重要度标准差监督邻域粗糙集
分类号：TP181(自动化基础理论)
资助基金：国家自然科学基金(61906078)国家自然科学基金(62006099)国家自然科学基金(62076111)国家自然科学基金(62006128)江苏省高等学校自然科学基金(20KJB520010)浙江省海洋大学数据挖掘与以应用重点实验室开放课题(OBDMA202104)
论文发表日期：2025-01-19
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 15-20 )
英文信息