A fuzzy rough set-based feature selection method using representative instances

نظریه مجموعه فازی فازی به طور گسترده ای برای مقابله با عدم اطمینان در داده های واقعی یا حتی پیچیده مورد استفاده قرار می گیرد که یکی از مهم ترین مسائل انتخاب ویژگی است. از آنجایی که یک داده دیتا واقعی به طور کلی شامل اشیاء (یا نمونه ها) داده های اضافی و خطاهای است که منجر به این واقعیت می شود که همه نمونه ها از اهمیت مشابهی برخوردار نیستند، تمرکز بر نمونه های نمایشی برای انتخاب ویژگی ها نه تنها می توانند نتایج متقاعد کننده ای را دریافت کنند، همچنین پیچیدگی محاسباتی را در دانش معدن کاهش می دهد. در حال حاضر، در مورد استفاده از نمونه های نماینده برای انتخاب ویژگی ها، توجه کمتری مورد توجه قرار گرفته است. در این مقاله مسئله انتخاب ویژگی ها با استفاده از نمونه های نمایشی بر اساس مجموعه های خشن فازی مورد بررسی قرار گرفته است و یک رویکرد انتخاب نمایشی مبتنی بر نمونه پیشنهاد شده است. اول، قانون گرانول فازی برای توصیف اطلاعات تبعیض آمیز یک نمونه استفاده می شود. سپس، نمونه های نماینده با توجه به توانایی پوشش قوانین دانه فازی ناشی از همه نمونه ها انتخاب می شوند. علاوه بر این، برای کاهش اطلاعات تبعیض آمیز موارد انتخاب شده، ارائه شده است و سپس یک الگوریتم اکتشافی برای جستجوی چنین زیر مجموعه ای از ویژگی ارائه شده است. در نهایت یک روش فیلتر بسته بندی برای بهترین زیر مجموعه ویژگی ها پیشنهاد شده است. بعضی از آزمایش های عددی بیشتر برای نشان دادن عملکرد روش انتخاب روش پیشنهاد شده انجام می شود و نتایج از لحاظ رضایت و کارآیی رضایت بخش هستند.