南京航空航天大学学报

作者：张文冬

单位：江苏科技大学计算机学院, 镇江, 212003；,太原师范学院计算机系, 太原, 030619；,江苏科技大学计算机学院, 镇江, 212003；,江苏科技大学计算机学院, 镇江, 212003；

关键词：特征选择;启发式算法;邻域粗糙集;过拟合

基金：国家自然科学基金 61572242 61502211;61503160)项目国家自然科学基金(61572242, 61502211, 61503160)项目资助。

在粗糙集方法中，利用向前启发式算法进行特征选择，是一个逐步加入重要度最高的特征的过程，直至满足所给定的约束条件。但使用这一策略选择出来的特征子集有可能产生过拟合现象。鉴于此,设计了一种新的启发式算法，其主要思想是借助交叉验证的方法对特征的重要度进行计算，当过拟合出现时，则采用截断式机制终止算法。使用邻域粗糙集模型，在UCI数据集上将启发式算法与所提算法进行对比分析，实验结果表明：所提算法能够有效地降低过拟合的程度；利用所提算法得到的特征子集能够带来更好的分类性能。

来源：2019年第5期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2019年第5期