采用邻域决策分辨率的特征选择算法 (2013年)

针对目前基于粗糙集模型的特征选择算法无法直接应用于数值型数据、必须经过离散化过程而造成决策信息丢失的问题，提出了一种基于邻域决策分辨率的特征选择算法。该算法根据邻域信息粒中决策分布与其分类能力间的关系，提出了邻域决策确定性(Nc)来衡量单个信息粒的决策分辨能力；并根据特征向量空间上所有信息粒所具有的Nc累加值，定义了邻域决策分辨率作为特征子集上决策可分辨性的量度，从而将名义型和数值型数据统一在同一特征选择算法框架下。仿真实验和实际应用的结果表明，该算法性能优于目前主流基于邻域粗糙集的特征选择方法。