梁吉业，李超伟，魏巍

（1.山西大学 计算智能与中文信息处理教育部重点实验室，山西 太原 030006;2.山西大学 计算机与信息技术学院，山西 太原 030006）

基于Rough Sets的特征选择研究进展

梁吉业1，2，李超伟1，2，魏巍1，2

（1.山西大学 计算智能与中文信息处理教育部重点实验室，山西 太原 030006;2.山西大学 计算机与信息技术学院，山西 太原 030006）

特征选择是机器学习领域中的重要研究问题.作为一种重要的特征选择方法，属性约简正在受到越来越多的关注，在许多应用领域已经得到了广泛应用.文章对基于Rough Sets理论的特征选择算法作了系统的回顾和分析，具体包括启发式属性约简、基于区分矩阵的属性约简和扩展粗糙集模型的属性约简三个方面.此外，论文还给出了粗糙特征选择算法的几种常见应用，并对该领域的进一步发展进行了展望.

特征选择;粗糙集;属性约简;区分矩阵;启发式搜索

0 引言

2011年出版的《Science》杂志在社论中指出，“数据推动着科学的发展”［1］.随着计算机技术、网络技术的不断发展和普及，数据的采集和存储变得更为便利和快捷，这使得数据的规模不断增长，形成了高维海量的数据信息.这些数据中承载着大量的有效信息，在方便人类发展的同时却也为许多应用领域带来了更严峻的挑战，即如何保留复杂数据中的有效信息以及如何从这些数据发现有价值的知识［2－3］.美国学者Mjolsness和Decoste［4］在《Science》杂志上系统地分析了机器学习在科学研究各个阶段扮演的重要角色，认为机器……