近日，由我院桑彬彬博士为第一作者完成的一篇关于主动抗噪的特征选择的研究论文“Active Anti-noise Fuzzy Dominance Rough Feature Selection using Adaptive K-nearest Neighbors” 被中科院1区Top期刊《IEEE TRANSACTIONS ON FUZZY SYSTEMS》接收并出版。

具有抗噪声性能的特征选择方法是一种有效的降维方法，适用于有噪声的分类任务。然而，针对单调分类任务的鲁棒特征选择方法的研究却很少。模糊优势粗糙集（FDRS）模型是一种有效的知识获取工具，被广泛应用于单调分类任务的特征选择。然而，实践证明该模型的容错性普遍较差，仅一个噪声样本就会对知识获取造成巨大干扰。针对这两个问题，本文首先设计了一种计算样本密度的自适应 K-近邻策略。根据样本密度识别出噪声样本，然后提出主动抗噪模糊y优势粗糙集模型。然后，在主动抗噪的模糊优势粗糙近似空间中，通过所提模型的近似算子评估类可分性，并通过模糊排序条件互信息评估特征冗余度。在此基础上，综合考虑类可分性和特征冗余度，设计出特征评价指标。最后，设计了一种特征选择算法来选择分类性能最高的特征子集。实验结果表明，所提出的算法具有更好的鲁棒性和分类性能。

《IEEE TRANSACTIONS ON FUZZY SYSTEMS》期刊是一本专注于计算机人工智能领域的国际学术期刊。该刊发文范围涵盖计算机人工智能等领域，旨在及时、准确、全面地报道国内外计算机人工智能工作者在该领域的科学研究等工作中取得的经验、科研成果、技术革新、学术动态等。该期刊大类和小类均属于中科院1区Top期刊，其影响因子为11.909。