来源：期刊VIP网 时间：
作者：樊晓雪;杨光;鞠恒荣;丁卫平;黄嘉爽;杨习贝;
单位：南通大学人工智能与计算机学院;江苏科技大学计算机学院;
摘要：特征选择能在复杂数据中选出有效特征，提高信息处理效率.但是现有的粒计算模型在选取信息粒时仅考虑距离度量，忽略了样本间的其他联系.为了解决这一问题，作者提出了一种基于两阶段多视角邻域证据熵的特征选择方法.首先，根据稀疏约束获得每个样本的自适应k值，并通过稀疏约束和距离度量进行融合形成多视角邻域信息粒，然后，对该信息粒中的样本进行检测，进一步删除弱相关样本，降低信息粒的不确定性.其次，将稀疏信息引入证据理论中，形成新的信任函数，并与邻域熵结合构造邻域证据熵，能有效地反映数据的确定性和不确定性信息.接着，利用邻域证据熵评估特征的重要性，以此实现特征的选择.最后，在9个公共数据集上进行实验验证，结果表明：本文提出的方法在粒度构建和分类精度方面都优于其他算法，能降低信息的不确定性.此外，本文方法也应用于精神分裂症的脑区选取，其结果能有效地提高对精神分裂症的预测能力.
关键词：粒计算;;多视角;;信息融合;;邻域证据熵;;特征选择
基金资助：国家自然科学基金项目（62006128,U2433216,62102199,62076111）;; 江苏省自然科学基金项目（BK20231337）;; 江苏高校青蓝工程项目（[2024]14）;; 南京大学计算机软件新技术国家重点实验室资助项目（KFKT2024B30）;; 江苏省高等学校自然科学研究面上项目（24KJB520032）;; 江苏省双创博士计划项目（（2020）30986）;; 中国博士后科学基金项目（2022M711716）;; 江苏省研究生科研与实践创新计划项目（SJCX24＿
