基于邻域关系模糊粗糙集的分类新方法

来源：计算机应用杂志2015年第11期北京时间：

作者：胡学伟, 蒋芸, 李志磊, 沈健, 华锋亮

单位：西北师范大学 计算机科学与工程学院, 兰州 730070

摘要：针对目前模糊等价关系所诱导的模糊粗糙集模型不能准确地反映模糊概念范畴中数值属性描述的决策问题,提出一种基于邻域关系的模糊粗糙集模型NR-FRS,给出了该粗糙集模型的相关定义,在讨论模型性质的基础上进行模糊化邻域近似空间上的推理,并分析特征子空间下的属性依赖性;最后在NR-FRS的基础上提出特征选择算法,构建使得模糊正域增益优于具体阈值的特征子集,进而剔除冗余特征,保留分类能力强的属性.采用UCI标准数据集进行分类实验,使用径向基核函数(RBF)支持向量机作为分类器.实验结果表明,同基于邻域粗糙集的快速前向特征选择方法以及核主成分分析方法(KPCA)相比,NR-FRS模型特征选择算法所得特征子集中特征数量依据参数变化更加平缓、稳定.同时平均分类准确率提升最好可以达到5.2%,且随特征选择参数呈现更加平稳的变化.

关键词：粒化和逼近,特征选择,邻域关系,属性依赖性

基金资助：国家自然科学基金资助项目(61163036,61163039);甘肃省高等学校研究生导师科研基金资助项目(1201-16);西北师范大学第三期知识与创新工程科研骨干项目(nwnu-kjcxgc-03-67).