基于Rough Sets的特征选择研究进展  

Advanced in Feature Selection Based on Rough Sets

作　　者：梁吉业[1,2] 李超伟[1,2] 魏巍[1,2] 

机构地区：[1]山西大学计算智能与中文信息处理教育部重点实验室,山西太原030006 [2]山西大学计算机与信息技术学院,山西太原030006

出　　处：《山西大学学报（自然科学版）》2012年第2期211-218,共8页Journal of Shanxi University(Natural Science Edition)

基　　金：国家自然科学基金(71031006);国家973计划前期研究专项课题(2011CB311805)

摘　　要：特征选择是机器学习领域中的重要研究问题.作为一种重要的特征选择方法,属性约简正在受到越来越多的关注,在许多应用领域已经得到了广泛应用.文章对基于Rough Sets理论的特征选择算法作了系统的回顾和分析,具体包括启发式属性约简、基于区分矩阵的属性约简和扩展粗糙集模型的属性约简三个方面.此外,论文还给出了粗糙特征选择算法的几种常见应用,并对该领域的进一步发展进行了展望.Feature selection is an important issue in the field of machine learning.As a significant feature selection algorithm,attribute reduction has attracted much attention and been applied in many areas.This paper systematically reviews and analyzes the feature selection algorithms based on rough set theory,which are introduced from three aspects:heuristic attribute reduction,attribute reduction based on discernibility matrix and reduction for generalized rough set models.In addition,the paper concludes some common applications of rough feature selection algorithms,and gives a prospect for the further development.

关 键 词：特征选择 粗糙集 属性约简 区分矩阵 启发式搜索 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]