1、近年來(lái)，隨著存儲(chǔ)技術(shù)的飛速發(fā)展，數(shù)據(jù)規(guī)模不斷膨脹。如何有效地分析這些海量數(shù)據(jù)，并從中提取有用的信息，成為研究的熱點(diǎn)和難點(diǎn)。而在處理高維和異構(gòu)數(shù)據(jù)時(shí)常面臨＂維數(shù)災(zāi)難＂問(wèn)題：數(shù)據(jù)分布稀疏，噪聲和冗余特征隨之增多，降低了算法的泛化性能，以及＂過(guò)擬合＂問(wèn)題。同時(shí)高維數(shù)據(jù)也增加算法時(shí)間、空間復(fù)雜度。針對(duì)高維異構(gòu)數(shù)據(jù)下的特征選擇問(wèn)題研究，己經(jīng)成為機(jī)器學(xué)習(xí)領(lǐng)域研究的難點(diǎn)與重點(diǎn)。本文主要借助粗糙集相關(guān)理論方法，研究特征選擇，進(jìn)行了以下兩方面工作:

2、>　?。?）針對(duì)傳統(tǒng)鄰域粗糙集對(duì)各數(shù)據(jù)點(diǎn)設(shè)置相同鄰域大小這一策略，結(jié)合具體數(shù)據(jù)分布特征分析得出：該策略會(huì)給屬性約簡(jiǎn)帶來(lái)較大的誤差，且鄰域設(shè)定的變化會(huì)導(dǎo)致每個(gè)樣本點(diǎn)的正域隨之改變，使特征選擇結(jié)果不穩(wěn)定。針對(duì)這個(gè)問(wèn)題，本文提出了一種基于密度動(dòng)態(tài)設(shè)定鄰域半徑的屬性約簡(jiǎn)算法，該算法根據(jù)數(shù)據(jù)分布特征，對(duì)每列屬性設(shè)定不同的鄰域，同時(shí)對(duì)于每個(gè)數(shù)據(jù)點(diǎn)都將根據(jù)其密度動(dòng)態(tài)設(shè)定鄰域。處于密集區(qū)域的樣本點(diǎn)設(shè)定較小鄰域半徑，可以保證密度大的點(diǎn)鄰域中包含更多同類數(shù)

3、據(jù)的同時(shí)，排除更多的噪聲點(diǎn)；對(duì)稀疏區(qū)域的點(diǎn)采用較大鄰域半徑，保證鄰域中包含盡量多的數(shù)據(jù)。在特征選擇過(guò)程中使用啟發(fā)式的雙向選擇策略，在去除冗余屬性的同時(shí)，減少對(duì)無(wú)用屬性的重復(fù)計(jì)算。本文通過(guò)對(duì)數(shù)據(jù)分區(qū)加速了鄰域計(jì)算的過(guò)程，明顯降低鄰域的計(jì)算開(kāi)銷。同時(shí)由于本文算法對(duì)屬性重要性計(jì)算精度更高，可避免對(duì)變精度參數(shù)的依賴。
　?。?）在數(shù)值型數(shù)據(jù)、高維基因數(shù)據(jù)和人臉數(shù)據(jù)3類共25組高維異構(gòu)數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證，本文算法相比其他算法選出的特征更為精