粗糙集中带约束的特征选择高效算法研究

With the high speed development and application of the information science, the complexity in the data increases. Not only multi-mode data coexist in the different kinds of applications, but also the uncertainties in data increase rapidly. How to carry out feature selection from complex data in order to improve the precision of classification and decrease the complexity of computation is a problem to be solved, which will better support decision making. Rough set theory can extract features from data effectively and delete redundant features. However, there is a few work for feature selection with constraints in the rough set theory under the complex data environment. In this project, we focus on further studying algorithms for feature selection in the complex data when decision classes distribution is unbalanced, decision attributes values are missing, data volume is big and nonlinear, which aim to improve the precision of the classification. The main contents include: 1. Studying algorithms of feature selection for unbalanced data in rough sets. 2. Studying algorithms of feature selection while decision attributes values in data are incomplete in rough sets. 3. Studying algorithms of parallel feature selection and approximate feature selection in the big data based on Boosting in rough sets. 4. Studying algorithms of feature selection in the nonlinear data based on multi-kernel learning in rough sets. It has important practical significance to solve these problems, which may help to promote the development of rough set theory, improve the ability of solving problems in the complex data and enhance the efficiency of knowledge discovery.

信息科学的高速发展和应用，数据更加复杂，不仅多模态的数据共存于不同应用中，而且数据的不确定性也急剧增加。如何从复杂数据中进行特征选择以有效提高分类精度并降低计算复杂度，更好支持决策是一个亟待解决的问题。粗糙集能有效地从数据中提取特征，删除冗余的属性，但针对复杂数据的带约束的特征选择算法研究在粗糙集中尚未有效展开。本项目针对复杂数据中决策分布不平衡、决策属性值缺失、数据量大和数据非线性等情况研究基于粗糙集的带约束特征选择高效算法，以提高分类的精度。具体内容包括：1. 粗糙集中非平衡数据特征选择算法研究；2. 粗糙集中决策属性值不完备数据特征选择算法研究；3. 粗糙集中基于Boosting的大数据并行特征选择和近似特征选择算法研究；4. 粗糙集中基于多核学习的非线性数据特征选择算法研究。这些问题的解决，对于推动粗糙集理论的发展，提高其解决复杂数据问题的能力和知识发现的效率有着重要的现实意义。

在数据分布复杂、不确定性攀升的大数据时代，选择有效的特征构建泛化能力强的学习模型降低计算复杂度是当前大数据处理中一个亟需解决的重要问题。本项目以粗糙集理论为主要工具，研究不同约束条件下的特征选择方法。主要取得了以下成果：(1)针对非平衡数据，给出了采用核映射、量子算法、提升学习等从算法层面和数据层面分析处理的多种方法，提出了多分类和二分类问题的非平衡数据特征选择算法；(2)针对不完备信息系统分析了不确定性度量相关动态演化机理。针对决策属性值不完备信息系统，在邻域粗糙集中提出了基于邻域熵的对称不确定性度量的特征选择方法。(3)针对大数据的特征选择，提出了互信息和邻域熵的快速近似计算方法，给出了不同情况下基于数据分治融合机理的并行特征选择算法。(4)针对数据的非线性分布，考虑不确定性决策和有效样本等因素，构建了不同的核粗糙集模型，分析了多核融合原理，提出了相应的特征选择算法。本项目共发表/录用论文60篇，其中国际期刊论文32篇，国际会议论文11篇，国内核心期刊论文17篇；论文已被SCI检索30篇(2篇待检索)、EI检索34篇、ESI高被引论文1篇；出版专著2部；申请专利6项；开发了包含非平衡特征选择、半监督特征选择、多核特征选择等算法的软件系统一套；国际会议大会特邀报告1次、国内会议特邀报告2次；承办数据挖掘相关暑期学校两次，承办国内会议1次；培养了多名研究生，获国际、国内学术会议优秀论文奖、ACM成都优秀博士论文奖各2次，IEEE和四川省计算机学会优秀学生论文奖各1次。这些成果有效地扩展了粗糙集理论的应用，为复杂不确定性数据的特征选择提供了理论分析方法与技术路线。