赵红;最小值，风扇;朱威廉 具有测量误差的数字数据的成本敏感特征选择。 （英语） Zbl 1267.68199号 J.应用。数学。 2013年，文章ID 754698，13 p.（2013）. 摘要：特征选择是数据挖掘应用程序中的一个基本过程，因为它降低了模型的复杂性。然而，具有各种类型成本的特征选择仍然是一个新的研究课题。本文研究了具有测量误差的数值数据的成本敏感特征选择问题。本文的主要贡献有四个方面。首先，建立一个新的数据模型来解决测试成本和误分类成本以及错误边界。它与现有模型的主要区别在于误差边界。其次，构造了一个具有正态分布测量误差的基于覆盖的粗糙集模型。使用此模型，覆盖物是根据数据构建的，而不是由用户分配的。第三，在该模型上定义了一个新的成本敏感特征选择问题。它比现有的特征选择问题更现实。第四，提出了回溯算法和启发式算法来处理新问题。实验结果表明了回溯算法修剪技术的有效性和启发式算法的有效性。这项研究是朝着成本敏感学习的实际应用迈出的一步。 引用于2文件 MSC公司： 68T05年 人工智能中的学习和自适应系统 关键词：特征选择;数据挖掘;带有测量误差的数字数据;错误分类;误差边界 软件：AdaCost公司;UCI-毫升 PDF格式BibTeX公司 XML格式引用 \textit{H.Zhao}等人，J.Appl。数学。2013年，文章ID 754698，13 p.（2013；Zbl 1267.68199） 全文： 内政部 OA许可证 参考文献： [1] P.Lanzi，“用遗传算法进行快速特征选择：一种滤波方法”，《IEEE进化计算国际会议论文集》，1997年。 [2] T.L.B.Tseng和C.C Huang，“基于粗糙集的客户关系管理特征选择方法”，《Omega》，第35卷，第4期，第365-383页，2007年。 [3] N.Zhong、J.Z.Dong和S.Ohsuga，“使用粗糙集和启发式进行特征选择”，《智能信息系统杂志》，第16卷，第3期，第199-214页，2001年·Zbl 0994.68149号 ·doi:10.1023/A:101129601502 [4] H.Liu和H.Motoda，《知识发现和数据挖掘的特征选择》，第454卷，Springer出版社，1998年·Zbl 0908.68127号 [5] Y.Weiss、Y.Elovici和L.Rokach，“使用直方图的CASH算法-敏感属性选择”，《信息科学》，第222卷，第247-268页，2013年·doi:10.1016/j.ins.2011.01.035 [6] C.Elkan，“成本敏感学习的基础”，载于《第七届国际人工智能联合会议论文集》，2001年·Zbl 0979.03023号 [7] W.Fan、S.Stolfo、J.Zhang和P.Chan，“Adacost:错误分类成本敏感性提升”，载于1999年第16届国际机器学习会议论文集。 [8] E.B.Hunt、J.Marin和P.J.Stone，《归纳实验》，学术出版社，美国纽约州纽约市，1966年。 [9] M.Pazzani、C.Merz、P.M.K.Ali、T.Hume和C.Brunk，“减少误分类成本”，《第十一届国际机器学习会议论文集》（ICML'94），摩根·考夫曼，1994年。 [10] G.Fumera和F.Roli，“支持向量机中的成本敏感学习”，载于《VIII Convergno Associazione Italiana per L’Intelligenza Artificiale》，2002年·Zbl 1064.68585号 [11] C.X.Ling、Q.Yang、J.N.Wang和S.C.Zhang，“最小成本的决策树”，《第21届机器学习国际会议论文集》，2004年。 [12] R.Greiner、A.J.Grove和D.Roth，“学习成本敏感的主动分类器”，《人工智能》，第139卷，第2期，第137-174页，2002年·doi:10.1016/S0004-3702（02）00209-6 [13] S.Ji和L.Carin，“成本敏感特征获取和分类”，模式识别，第40卷，第1474-1485页，2007年·Zbl 1113.68085号 ·doi:10.1016/j.patcog.2006.11.008 [14] N.Lavrac、D.Gamberger和P.Turney，“将成本敏感特征缩减应用于混合遗传算法”，载于《第七届算法学习理论国际研讨会论文集》（ALT'96），1996年·兹比尔1184.68407 ·doi:10.1007/3-540-61863-5_40 [15] F.Min、H.P.He、Y.H.Qian和W.Zhu，“测试-敏感属性约简”，《信息科学》，第181卷，第4928-4942页，2011年。 [16] R.Susmaga，“最小成本削减的计算”，《智能系统基础》，Z.Ras和A.Skowron，编辑，《计算机科学讲义》第1609卷，第448-456页，施普林格，德国柏林，1999年。 [17] F.Min和W.Zhu，“通过回溯减少最小成本属性”，载于《数据库理论与应用国际会议论文集》，FGIT-DTA/BSBT第258卷，CCIS，2011年。 [18] F.Min和Q.Liu，“测试-敏感决策系统的层次模型”，《信息科学》，第179卷，第14期，第2442-2452页，2009年·Zbl 1192.68651号 ·doi:10.1016/j.ins.2009.03.007 [19] P.Turny，“成本敏感分类：混合遗传决策树归纳算法的实证评估”，《人工智能研究杂志》，第2卷，第1期，第369-409页，1994年。 [20] D.Marginantu，“成本敏感学习方法”，2001年。 [21] S.Norton，“生成更好的决策树”，载于1989年第11届国际人工智能联合会议论文集·Zbl 0709.68085号 [22] M.Nüñez，“决策树归纳中背景知识的使用”，机器学习，第6卷，第3期，第231-250页，1991年。 [23] M.Tan，“分类知识的成本敏感学习及其在机器人学中的应用”，《机器学习》，第13卷，第1期，第7-33页，1993年。 [24] N.Johnson和S.Kotz，《连续分配》，John Wiley，美国纽约州纽约市·Zbl 0213.21101号 [25] R.A.Johnson和D.W.Wichern，《应用多元统计分析》，第4卷，Prentice Hall，Englewood Cliffs，美国新泽西州，第3版，1992年·Zbl 0745.62050号 [26] F.Min、W.Zhu、H.Zhao、G.Y.Pan、J.B.Liu和Z.L.Xu，“Coser:成本敏感粗糙集”，2012年，http://grc.fjzs.edu.cn/fmin/。 [27] 姚永元，“粒度计算的分区模型”，《粗糙集学报》，第3100卷，第232-253页，2004年·Zbl 1104.68776号 ·doi:10.1007/b98175 [28] H.Zhao、F.Min和W.Zhu，“具有正态分布测量误差的数据的测试-敏感属性约简”，《工程中的数学问题》，2013年第卷，文章编号946070，12页，2013年·Zbl 1299.62002号 ·doi:10.1155/2013/946070 [29] T.Y.Lin，“二元关系上的粒度计算——冲突分析和中国墙安全政策”，载于《计算中的粗糙集和当前趋势》，第2475卷，《人工智能讲义》，2002年。 [30] T.Y.Lin，“颗粒计算结构、表示和应用”，载于《人工智能讲义》，第2639卷，2003年。 [31] L.Ma，“关于某些类型的邻域相关覆盖粗糙集”，《国际近似推理杂志》，第53卷，第6期，第901-911页，2012年·Zbl 1246.03068号 ·doi:10.1016/j.ijar.2012.03.004 [32] H.Zhao、F.Min和W.Zhu，“基于邻域粗糙集的测试-敏感属性约简”，《IEEE粒度计算国际会议论文集》，2011年。 [33] W.Zhu，“基于关系的广义粗糙集”，《信息科学》，第177卷，第22期，第4997-5011页，2007年·Zbl 1129.68088号 ·doi:10.1016/j.ins.2007.05.037 [34] 朱伟（W.Zhu）和王凤英（F.-Y.Wang），“覆盖广义粗糙集的约简和公理化”，《信息科学》，第152卷，第217-230页，2003年·兹比尔1069.68613 ·doi:10.1016/S0020-0255（03）00056-2 [35] F.Min和W.Zhu，“具有误差范围和测试成本的数据属性约简”，《信息科学》，第211卷，第48-67页，2012年·兹比尔1250.68227 ·doi:10.1016/j.ins.2012.04.031 [36] Z.Zhou和X.Liu，“用解决类不平衡问题的方法训练成本敏感的神经网络”，IEEE知识与数据工程汇刊，第18卷，第1期，第63-772006页。 [37] H.Zhao、F.Min和W.Zhu，“数值数据最小成本特征选择的回溯方法”，《信息与计算科学杂志》。新闻界。 [38] M.Kukar和I.Kononenko，“神经网络的成本敏感学习”，《第13届欧洲人工智能会议论文集》（ECAI'98），英国奇切斯特John Wiley&Sons出版社，1998年·兹比尔1014.68805 [39] J.Lan、M.Hu、E.Patuwo和G.Zhang，“错误分类成本和组大小不等的神经网络分类器的研究”，《决策支持系统》，第48卷，第4期，第582-591页，2010年。 [40] P.Turney，“归纳概念学习中的成本类型”，载于《ICML-2000成本敏感学习研讨会论文集》，2000年。 [41] S.Viaene和G.Dedene，“重新审视成本敏感学习和决策”，《欧洲运筹学杂志》，第166卷，第1期，第212-220页，2005年·Zbl 1066.90537号 ·doi:10.1016/j.ejor.2004.03.031 [42] Z.Pawlak，“粗糙集”，《国际计算机和信息科学杂志》，第11卷，第5期，第341-356页，1982年·Zbl 0501.68053号 ·doi:10.1007/BF01001956 [43] J.Błaszczynski、S.Greco、R.S \322»owiáski和M.Szel\cag，“单调变量一致性粗糙集方法”，《国际近似推理杂志》，第50卷，第7期，第979-999页，2009年·Zbl 1191.68673号 ·doi:10.1016/j.ijar.2009.02.011 [44] Z.Bonikowski、E.Bryniarski和U.Wybraniec-Skardowska，“粗糙集理论中的扩展和意图”，《信息科学》，第107卷，第1-4期，第149-167页，1998年·Zbl 0934.03069号 ·doi:10.1016/S0020-0255（97）10046-9 [45] M.Inuiguchi、Y.Yoshioka和Y.Kusunoki，“基于变决策优势的粗糙集方法和属性约简”，《国际近似推理杂志》，第50卷，第8期，第1199-1214页，2009年·Zbl 1191.68681号 ·doi:10.1016/j.ijar.2009.02.003 [46] Y.Kudo、T.Murai和S.Akama，“基于粒度的演绎、归纳和诱拐框架”，《国际近似推理杂志》，第50卷，第8期，第1215-1226页，2009年·Zbl 1191.68686号 ·doi:10.1016/j.ijar.2009.06.002 [47] J.A.PomykałA，“近似空间中的近似运算”，《波兰科学院公报：数学》，第35卷，第9-10期，第653-6621987页·Zbl 0642.54002号 [48] 姚永元，“粗糙集理论的构造和代数方法”，《信息科学》，第109卷，第1-4期，第21-47页，1998年·Zbl 0934.03071号 ·doi:10.1016/S0020-0255（98）00012-7 [49] 姚永元，“概率粗糙集近似”，《近似推理杂志》，第49卷，第2期，第255-271页，2008年·Zbl 1191.68702号 [50] W.Zakowski，“空间中的近似（u，\pi）”，《数学演示》，第16卷，第40期，第761-769页，1983年·Zbl 0553.04002号 [51] 朱伟，“覆盖粗糙集中基本概念之间的关系”，《信息科学》，第179卷，第14期，第2478-2486页，2009年·Zbl 1178.68579号 ·doi:10.1016/j.ins.2009.02.013 [52] W.Zhu和F.Wang，“关于基于覆盖的粗糙集的三种类型”，IEEE知识与数据工程汇刊，第19卷，第8期，第1131-1144页，2007年。 [53] S.Calegari和D.Ciucci，“应用于本体的粒度计算”，《国际近似推理杂志》，第51卷，第4期，第391-4092010页·Zbl 1205.68394号 ·doi:10.1016/j.ijar.2009.11.006 [54] W.Zhu和F.Wang，“冲突分析中基于覆盖的粒度计算”，《情报与安全信息学》，第566-5712006页。 [55] 维基百科，网址：http://www.wikipedia.org/。 [56] Z.Pawlak，《粗糙集：数据推理的理论方面》，Kluwer学术出版社，美国马萨诸塞州波士顿，1991年·Zbl 0758.68054号 [57] M.Dash和H.Liu，“分类的特征选择”，《智能数据分析》，第1卷，第1-4期，第131-156页，1997年。 [58] X.Wang、J.Yang、X.Teng、W.Xia和R.Jensen，“基于粗糙集和粒子群优化的特征选择”，《模式识别快报》，第28卷，第4期，第459-471页，2007年。 [59] W.Siedlecki和J.Sklansky，“大规模特征选择的遗传算法注释”，《模式识别快报》，第10卷，第5期，第335-347页，1989年·Zbl 0942.68690号 ·doi:10.1016/0167-8655（89）90037-8 [60] C.L.Blake和C.J.Merz，“机器学习数据库的UCI存储库”，1998年，网址：http://www.ics.uci.edu/mlearn/mlrepository.html。 [61] 刘庆华，李凤，李凤敏，叶美华，杨国伟，“基于新条件信息熵的高效约简算法”，《控制与决策》，第20卷，第8期，第878-882页，2005年（中文）·Zbl 1115.68519号 [62] A.Skowron和C.Rauszer，“信息系统中的区分矩阵和功能”，《智能决策支持》，1992年。 [63] G.Wang，“决策表的属性核心”，载于《粗糙集与当前计算趋势学报》，计算机科学讲义第2475卷，2002年·Zbl 1013.68571号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。