基于邻域粗糙集的高维类不平衡数据在线流特征选择

作者：陈祥焰; 林耀进^*; 王晨曦

来源：模式识别与人工智能, 2019, 32(08): 726-735.

DOI：10.16451/j.cnki.issn1003-6059.201908006

• 在线特征选择
• 高维不平衡数据
• 邻域粗糙集
• 粗糙依赖度

在许多实际应用中,数据经常呈现高维不平衡特征,特征还根据需求在不同时间段动态生成.基于此种情况,文中提出基于邻域粗糙集的高维类不平衡数据的在线流特征选择算法.算法设计基于小类重要度的粗糙依赖度计算公式,同时,提出在线相关性分析、在线冗余度分析、在线重要度分析三种策略,用于选择在大类和小类之间具有高可分离性的特征.在7个高维类不平衡数据集上的实验表明,文中算法可以有效选择一个较好的特征子集,性能较优.

• 单位
  闽南师范大学