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
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。