模糊γ覆盖判别指标

抗噪特征选择

通过自反模糊γ邻域融合多模糊覆盖信息，并提出基于可变精度判别指标的特征选择算法。

黄哲煌 · 李进金

IEEE Transactions on Neural Networks and Learning Systems 2024

参数信息

验证数据集个数

16

对比算法个数

6

技术优势

抗噪判别指标

所提出的可变精度判别指标在随机噪声干扰下仍能有效评估模糊覆盖族的判别力。

特征选择有效

基于可变精度条件判别指标的启发式算法能有效去除冗余特征，取得有竞争力的结果。

应用场景

• 物联网数据处理：从海量传感器数据中自动挑选关键特征，减轻传输和计算负担。
• 传感器数据融合：融合多个模糊覆盖信息，提升多源传感器数据判别力。
• 机器人感知降噪：在噪声干扰下稳定提取判别特征，增强机器人感知鲁棒性。
• 可穿戴信号分析：从可穿戴设备的高维信号中筛选有效特征，抑制随机噪声。