近日，由計(jì)算機(jī)與信息科學(xué)學(xué)院桑彬彬副教授為第一作者完成的面向有序分類(lèi)數(shù)據(jù)的魯棒屬性約簡(jiǎn)方法的研究論文“Robust Attribute Reduction Exploring Class-Separability and Attribute-Correlation for Ordered Decision Systems”被中國(guó)科學(xué)院1區(qū)Top期刊《IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS: SYSTEMS》接收并出版。
《IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS: SYSTEMS》期刊是信息系統(tǒng)與控制領(lǐng)域的國(guó)際頂級(jí)學(xué)術(shù)期刊，屬于中國(guó)科學(xué)院1區(qū)Top期刊，影響因子8.6。本項(xiàng)研究得到了國(guó)家自然科學(xué)基金青年基金、重慶市自然科學(xué)基金面上項(xiàng)目、重慶市教委重點(diǎn)科技項(xiàng)目和青年項(xiàng)目等資助。
魯棒知識(shí)獲取方法是數(shù)據(jù)挖掘領(lǐng)域的研究熱點(diǎn)之一。模糊優(yōu)勢(shì)粗糙集（FDRS）模型是有序分類(lèi)任務(wù)的重要知識(shí)獲取工具。但實(shí)踐證明，該模型的容錯(cuò)性較差，僅一個(gè)噪聲樣本就會(huì)對(duì)知識(shí)獲取造成巨大干擾。屬性約簡(jiǎn)是FDRS的重要應(yīng)用之一。目前，大多數(shù)有序分類(lèi)任務(wù)的屬性約簡(jiǎn)方法主要關(guān)注決策對(duì)屬性的依賴(lài)性，而忽略了類(lèi)的可分性和屬性之間的相關(guān)性為有序分類(lèi)提供的信息。針對(duì)這兩個(gè)問(wèn)題，該研究提出了一種具有可過(guò)濾噪聲樣本的魯棒FDRS模型，在魯棒模糊優(yōu)勢(shì)粗糙近似空間中探討了類(lèi)可分性和屬性相關(guān)性，設(shè)計(jì)了相應(yīng)的屬性評(píng)價(jià)指標(biāo)和魯棒的屬性約簡(jiǎn)算法，選擇分類(lèi)性能最高的屬性子集。實(shí)驗(yàn)結(jié)果表明，該算法具有較好的魯棒性和分類(lèi)性能。
桑彬彬副教授團(tuán)隊(duì)近年來(lái)始終專(zhuān)注于人工智能領(lǐng)域的前沿基礎(chǔ)理論研究，其中包括多粒度認(rèn)知計(jì)算、不確定性推理與建模、智能信息處理等方面，主持國(guó)家自然科學(xué)基金項(xiàng)目，重慶市自然科學(xué)基金面上項(xiàng)目、重慶市教委重點(diǎn)科技項(xiàng)目、青年項(xiàng)目，教育部重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題以及“博望學(xué)者”校級(jí)人才項(xiàng)目，研究成果已發(fā)表在IEEE TSMC、IEEE TFS、INFUS、INS、KBS、ESAW、IJAR等國(guó)際頂級(jí)期刊。
論文鏈接DOI: 10.1109/TSMC.2025.3547972
