Feature subset selection based on fuzzy neighborhood rough sets

تئوری مجموعه خشن بسیار مورد توجه در یادگیری ماشین و تشخیص الگو است. این یک ابزار نظری مهم دیگر برای انتخاب ویژگی است. در این مقاله، ما یک مدل مجموعه ای جدید را برای انتخاب زیر مجموعه ویژگی ساختیم. اولا، با استفاده از مفهوم محدوده فازی، تصمیم گیری فازی یک نمونه را تعریف می کنیم. رابطه پارامتری فازی برای توصیف گرانول اطلاعات فازی برای تحلیل داده های واقعی ارائه شده است. سپس، ما از رابطه محدوده فازی و تصمیم فازی برای ساختن یک مدل مجموعه خشن جدید استفاده می کنیم: مدل مجموعه خشن فازی. بر اساس این مدل، تعاریف تقریب بالا و پایین، منطقه مرزی و منطقه مثبت داده می شود و اثرات پارامترها بر این مفاهیم مورد بحث قرار می گیرد. برای ایجاد مدل جدید تحمل صداهای در داده ها، ما یک مدل مجموعه ای مختصر از محدوده فازی متغیر دقت را معرفی می کنیم. این مدل می تواند احتمال این که یک نمونه به یک طبقه اشتباه طبقه بندی شود، کاهش می یابد. در نهایت، وابستگی بین تصمیم گیری فازی و خصوصیات شرطی را تعریف می کنیم و وابستگی را برای ارزیابی اهمیت یک ویژگی کاندید استفاده می کنیم که با استفاده از آن الگوریتم انتخاب زیر مجموعه های حریم خصوصی طراحی شده است. الگوریتم پیشنهادی با برخی از الگوریتم های کلاسیک مقایسه شده است. آزمایشات نشان می دهد که الگوریتم پیشنهادی دارای عملکرد طبقه بندی بالاتر و تعداد ویژگی های انتخاب شده نسبتا کوچک است.