来源：期刊VIP网 时间：
作者：李嘉豪;折延宏;贺晓丽;钱婷;郑文利;
单位：西安石油大学计算机学院;西安石油大学理学院;
摘要：尽管现有基于相对模糊粗糙集的特征选择方法在相似关系计算中已尝试刻画样本的离群分布来增强鲁棒性，但仍未能有效抑制潜在噪声的干扰，且未能进一步压缩数据规模。鉴于此，本文提出基于抗噪加权模糊粒的双选择方法：首先设计基于抗噪离散因子的相对距离度量，实现依据局部样本密度分布的自适应调整。其次构建抗噪加权模糊粒，完成双选择框架下的模型粒化。最终设计基于该粒结构的双选择算法BS-RFRS，在最大化数据约简的同时提升分类性能。通过在12个基准数据集上的实验验证，该算法在分类准确率与有效性方面显著优于其他5种所比较的双选择算法，其中在医疗诊断数据集和工业控制数据集上取得非常显著的准确率提升，且有效性较传统双选择模型有所提高。在标签噪声影响下，BS-RFRS的分类准确率相比于BSNID(bi-selection approach based on neighborhood importance degree)模型和BSFRS(bi-selection method based on fuzzy rough sets)模型分别平均提升19.9%和42.7%。
关键词：模糊粗糙集;;样本分布密度;;抗噪权重;;相对距离度量;;粒计算
基金资助：国家自然科学基金（12471442）;; 陕西省自然科学基金（2023-JC-YB-027;2025JC-YBMS-034）;; 陕西省教育厅科学研究计划青年创新团队项目（23JP132）
