杨燕燕，张 晓，李翔宇，杜晨曦，李懿恒

(1.北京交通大学 软件学院，北京 100044；2.西安理工大学 理学院，西安 710048)

0 引 言

随着信息与通信技术的迅猛发展，人们收集、存储、传输和管理数据的能力日益提高，使得各行各业积累了大量高维、海量数据[1]。这些高维海量数据中往往存在大量的冗余特征，这不仅增加了计算机的存储成本，还对传统机器学习算法的性能和效率带来了严峻挑战。特征选择[2-3]是机器学习和数据挖掘中处理高维数据的主流技术之一，其主要操作是通过特定的特征估计度量和搜索策略，移除冗余以及不相关的特征为构建好的预测模型选择一个紧凑的、有信息量的特征子集[4-6]。理论和实践表明，在执行分类任务之前，对高维数据进行特征选择可有效提高学习算法的可解释性、缩短学习算法的训练时间，并通过降低过拟合来提高学习算法的泛化性能[7]。目前，特征选择已经成为机器学习和数据挖掘领域中的一个研究热点，引起了学术界和企业界的广泛关注，并已成功应用于图像识别[8]、图像检索[9]、文本挖掘[10]、生物数据分析[11]、故障诊断[12]等众多应用领域。

模糊粗糙集[13-14]通过模糊信息粒化的方式为特征选择提供了一种有效的方法[15-16]。作为经典粗糙集模型[17]的推广，它是一种处理数值集中样本之间的不可辨识性和模糊性的有力数学工具。模糊粗糙集利用模糊相似关系来描述样本之间的相似性，刻画了数值数据中条件属性(特征)与决策标签之间的不一致性。……