一种基于多核稳健模糊粗糙集模型的特征选择方法

摘要

本发明公开了一种基于多核稳健模糊粗糙集模型的特征选择方法，包括如下步骤：首先对于每个样本，分别找到其在各个类别样本中的邻居样本；其次利用这些邻居样本计算每个样本属于各个类别的模糊决策；然后使用模糊决策来代替样本的原始决策并结合k近邻思想给出一种多核稳健模糊粗糙集模型；接着使用贪婪向前算法结合所提出模型的正域的计算方式选出初步的特征子集；最后使用分类器迭代选出上一步选出的特征子集的最优子集。本发明有效地解决了含噪声的高维数据的特征选择问题，使数据预处理的结果更加可靠，为后续的分类等任务提供了更为有利的数据支持。