基于最大近邻粗糙逼近的特征选择算法

摘要 基于邻域粗糙集的特征选择模型受到邻域参数值的制约.为此,引入最大近邻确定样本的邻域,构造了基于最大近邻粗糙集模型.在此基础上,提出了基于最大近邻粗糙逼近的特征选择方法.首先计算样本到与它最近同类和最近异类样本的距离来确定近邻类的大小,其次分析最大近邻类的性质提出快速求解样本正域的方法,最后采用前向贪心搜索策略构造特征选择算法.该算法不仅避免了邻域参数值的不确定选择,而且降低了对样本正域的判断次数.在3个不同分类器和8个UCI数据集上的实验结果表明：该模型不仅能够选择较少的特征,而且有效地提高了分类性能