在实际应用中,在称为混合信息系统(HIS)的信息系统中可能存在许多类型的数据(例如,布尔,分类,实值和集合值数据)和丢失数据。 基于值差度量,开发了一种新的HIS中的混合距离(HD),并结合了HD距离和高斯核,构造了一个新的模糊粗糙集。 考虑到信息系统通常会随时间变化,因此会根据属性集的变化来分析用于属性缩减(功能选择)的更新机制。 提出了基于模糊粗糙集的HIS增量特征选择方法。 然后分别提出了两种相应的增量算法。 最后,对来自UCI的八个数据集和一个人工数据集的大量实验表明,在计算时间内,增量式方法的性能明显优于非增量式方法。