基于多粒度与交互感知的在线流特征选择方法
杜晨霞
西安石油大学 陕西西安 710065
摘要：在线流特征选择是处理高维动态数据流的关键技术,其核心挑战是在特征维度随时间不断增长的场景下,快速且准确地识别出最具判别力的特征子集.现有在线流特征方法大多基于单一粒度模型,难以适应数据流分布的动态变化,且对特征间交互作用考虑不足.为此,文章提出一种基于多粒度邻域系统与交互感知的在线流特征选择方法(MGIA-OSFS).该方法首先构建多粒度邻域系统以捕捉数据在不同尺度下的分布特性;其次,通过分析新到达特征与已选特征集在多个粒度下的交互作用,动态评估其特征重要性;最后,结合特征必要性与冗余性分析,实现特征子集的自适应更新.实验结果表明,与传统在线流特征选择方法相比,所提算法在分类精度与稳定性方面均有显著提升.
关键词：在线流特征选择多粒度邻域系统交互感知动态数据流冗余分析
论文发表日期：2026-01-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 145-148 )