祝贺团队博士生苑克花一篇文章《Ze-HFS: Zentropy-Based Uncertainty Measure for Heterogeneous Feature Selection and Knowledge Discovery》被IEEE Transactions on Knowledge and Data Engineering期刊录用
![4FE25](/__local/3/A5/04/7F2F851B8FBECA54AFD642D7B31_7ACECE47_4FE25.png)
特征选择是数据分析中至关重要的一环,在处理和提取有效信息方面发挥着关键作用。然而,随着数据复杂性的增加,尤其是异质数据的广泛应用,如何进行有效的异质特征选择成为了一大挑战。针对异质数据特征选择中稳定性和有效性之间的不平衡问题,本文提出了一种高效且鲁棒的异质特征选择方法(Ze-HFS)。不同于以往基于单一粒层熵的不确定性度量,Ze-HFS通过系统分析和整合不同粒度层次之间的信息,能够全面准确地描述异质数据中的不确定性变化,是一种新颖且有效的不确定性度量方法。大量理论和实验结果验证了所提方法的鲁棒性和分类性能的优越性。