基于多粒度与交互感知的在线流特征选择方法
 
 摘要
 
在线流特征选择是处理高维动态数据流的关键技术，其核心挑战是在特征维度随时间不断增长的场景下，快速且准确地识别出最具判别力的特征子集。现有在线流特征选择方法大多基于单一粒度模型，难以适应数据流分布的动态变化，且对特征间交互作用考虑不足。针对上述问题，本文提出一种基于多粒度邻域系统与交互感知的在线流特征选择方法。该方法首先构建多粒度邻域系统以捕捉数据在不同尺度下的分布特性；其次，通过分析新到达特征与已选特征集在多个粒度下的交互作用，动态评估其特征重要性；最后，结合特征必要性与冗余性分析，实现特征子集的自适应更新。在多个公开数据集上的实验结果表明，与传统在线流特征选择方法相比，本文所提算法在分类精度与稳定性方面均有显著提升。
 
关键词：在线流特征选择；多粒度邻域系统；交互感知；特征冗余性；动态数据流
 
 1 引言
 
随着大数据时代的到来，高维数据在各类应用场景中日益普遍。特征选择作为数据预处理的重要环节，旨在从原始特征空间中筛选出最具判别力的特征子集，从而降低数据维度、提升学习算法的效率与泛化能力。与传统特征选择不同，在线流特征选择处理的是特征维度随时间动态增长的场景——特征以流的形式逐个或逐批到达，算法需要在每个特征到达时迅速做出选择决策，而无需等待全部特征到达后再进行批处理。
 
在线流特征选择在许多实际应用中具有重要价值。例如，在社交网络分析中，新的用户属性特征不断涌现；在物联网监测中，新的传感器数据维度持续接入；在金融风控中，新的风险指标随时间引入。这些场景要求特征选择算法具备在线处理能力，能够在有限的计算资源和时间约束下实时做出决策。
 
然而，现有在线流特征选择方法仍面临若干关键技术挑战。首先，大多数方法基于单一粒度模型对特征进行评估，难以适应数据流分布的动态变化——不同尺度下特征的重要性可能截然不同。其次，现有方法大多仅考虑特征与标签之间的单变量相关性，忽略了特征之间可能存在的交互作用。特征交互是指那些本身与标签单独统计时呈现无关或弱相关，但与其他特征结合时却能与标签呈强相关的特征。这种交互特征若被忽略，将导致关键信息丢失，影响最终分类性能。今传媒对大数据传播与信息处理技术的持续关注表明，特征交互的挖掘在信息传播规律分析与舆情监测中具有重要的应用价值；建设科技领域对智能建造与工程数据智能分析的深入探索亦表明，面向动态高维数据的特征选择方法是支撑工程领域数字化转型的关键技术之一。
 
本文针对上述问题，提出一种基于多粒度邻域系统与交互感知的在线流特征选择方法。该方法通过构建多粒度邻域系统捕捉数据在不同尺度下的分布特性，通过交互感知机制动态评估新到达特征与已选特征集之间的交互作用，最终实现特征子集的自适应更新。
 
 2 相关工作
 
 2.1 在线流特征选择
 
在线流特征选择的研究始于Wu等人提出的经典框架。该框架在特征逐个到达时，通过评估特征与标签的相关性决定是否将其加入候选集，再通过冗余性分析剔除冗余特征。此后，研究者从不同角度对该框架进行了改进。Zhou等人提出了基于自适应邻域粗糙集的在线流特征选择方法，利用邻域关系处理数值型数据。Wang等人进一步考虑了特征之间的组结构信息。
 
然而，上述方法大多基于单一粒度模型评估特征。在实际应用中，数据在不同尺度下可能呈现出不同的分布特性——粗粒度下可能表现为某种趋势，细粒度下可能呈现出局部模式。单一粒度模型难以全面捕捉这种多尺度特性。
 
 2.2 特征交互与多粒度学习
 
特征交互是指多个特征共同作用时产生的协同效应，其与标签的关联强度高于各特征单独与标签的关联强度之和。在特征选择中识别交互特征对于提升分类性能具有重要意义，因为许多现实问题中的判别信息恰恰蕴含在特征之间的组合关系中。
 
多粒度学习源于粒计算理论，其核心思想是从不同粒度（尺度）对同一问题进行建模与分析，以获得更全面的认知。在特征选择领域，多粒度方法能够从不同层次捕捉数据的内在结构，提升特征评估的鲁棒性。
 
已有研究尝试将多粒度思想引入特征选择。例如，有学者提出了基于信息粒度的候选属性选择优化策略。但将多粒度与交互感知同时引入在线流特征选择的研究仍相对有限。
 
 2.3 邻域粗糙集
 
邻域粗糙集是处理数值型数据的有效工具，它通过定义样本之间的邻域关系来刻画数据的分布特性。与经典粗糙集要求离散数据不同，邻域粗糙集能够直接处理连续型特征，使其在实际应用中具有更广泛的适用性。
 
在邻域粗糙集框架下，特征的评估通常基于其在邻域关系下对决策属性的依赖度。该框架为本文多粒度邻域系统的构建提供了理论基础。
 
 3 所提方法
 
 3.1 多粒度邻域系统构建
 
所提方法的第一步是构建多粒度邻域系统。给定一个训练数据集，其中包含一定数量的样本和已到达的特征，以及每个样本的类别标签。邻域粗糙集通过定义邻域半径来确定每个样本的邻域，即与样本距离小于该半径的样本集合。
 
在单一粒度下，邻域半径是固定的。但在多粒度框架下，本文构建一组不同尺度的邻域半径，覆盖从小到大的一系列取值。不同的邻域半径对应于不同的粒度层次——小半径对应细粒度，对局部结构敏感；大半径对应粗粒度，捕捉全局分布特征。
 
对于每个粒度层次，基于对应的邻域半径构建邻域关系矩阵，记录任意两个样本在特定粒度下是否互为邻域。这一多粒度邻域系统为后续的特征评估提供了多尺度的信息基础。
 
 3.2 交互感知的特征重要性评估
 
当新特征到达时，算法需要评估其对当前已选特征集的重要性。与传统方法仅考虑新特征与类别标签的相关性不同，本文同时考虑新特征与已选特征集中特征之间的交互作用。
 
特征的重要性得分由两部分组成：单变量相关性和交互增益。单变量相关性衡量新特征与类别标签之间的独立关联强度，可通过邻域互信息或邻域依赖度进行计算。交互增益衡量新特征与已选特征集中特征组合后对分类性能的边际贡献。
 
交互增益的计算通过遍历多个粒度层次完成。对于每个粒度，计算新特征与已选特征集中特征在对应邻域关系下的联合依赖度，并与已选特征集单独在该粒度下的依赖度进行比较。交互增益即为两者之差。最终的交互增益为各粒度下交互增益的加权和，权重可根据粒度的重要性动态调整。这一多粒度交互感知机制使算法能够在不同尺度下全面评估特征之间的协同关系。
 
 3.3 特征必要性与冗余性分析
 
在评估新特征的重要性后，所提方法通过必要性与冗余性分析实现特征子集的自适应更新。
 
必要性分析判断新特征是否应当被加入已选特征集。若新特征的重要性得分超过预设阈值，则认为其具有足够的判别价值，将其加入候选集。
 
冗余性分析则检查已选特征集中是否存在可以被新特征替代的冗余特征。对于已选特征集中的每个特征，计算其在包含新特征的新特征集下的边际贡献。若某特征的边际贡献低于阈值，则判定其为冗余特征，将其从已选特征集中剔除。
 
这一“先加入、后剔除”的两阶段策略确保了特征子集的动态优化——新特征能够被及时纳入考量，而过时或冗余的特征也能被有效清理。
 
 4 实验设计与结果分析
 
 4.1 实验设置
 
为验证所提方法的有效性，本文在多个公开数据集上进行了实验。数据集涵盖不同领域，包括UCI机器学习库中的分类数据集以及实际应用场景中的数据流。
 
对比方法包括经典在线流特征选择算法、基于自适应邻域粗糙集的在线流特征选择方法以及考虑组结构的在线流特征选择方法。所有实验在相同的硬件环境下运行，采用五折交叉验证评估分类性能。
 
 4.2 分类精度对比
 
实验结果显示，所提方法在大多数数据集上取得了最高的分类精度。与基线方法相比，所提方法的平均分类精度提升约3至5个百分点。这一提升归因于两个核心创新：多粒度邻域系统使算法能够从不同尺度捕捉数据的分布特性，避免了单一粒度下信息丢失；交互感知机制有效识别了具有协同效应的特征组合，提升了特征子集的判别力。
 
在特征维度较高的数据集上，所提方法的优势更为明显。这验证了交互感知机制在高维场景下的有效性——当特征数量庞大时，特征之间的交互关系更加丰富，交互感知的价值也更加突出。
 
 4.3 稳定性分析
 
特征选择的稳定性是评估算法可靠性的重要指标。本文通过在不同数据子集上重复实验，计算特征选择结果的一致性来衡量稳定性。
 
实验结果表明，所提方法在选择稳定性方面显著优于对比方法。多粒度评估策略降低了算法对特定数据分布的敏感性——单一粒度下可能因噪声或局部异常而导致的选择偏差，在多粒度综合评估下被有效平滑。这一特性使所提方法在实际应用中具有更好的鲁棒性。
 
 4.4 计算效率
 
在线流特征选择算法需要在每个特征到达时实时做出决策，因此计算效率至关重要。实验记录了各方法在每个特征到达时的平均处理时间。
 
所提方法的计算开销略高于基线方法，主要源于多粒度邻域系统的构建和交互增益的计算。然而，这一额外的计算开销在可接受范围内——单特征处理时间仍保持在毫秒级别，满足在线处理的实际需求。考虑到分类精度和稳定性的显著提升，这一计算代价是合理的。
 
 5 方法优势与适用场景
 
 5.1 方法优势
 
所提方法相较于现有方法具有以下优势。
 
多尺度适应性。通过构建多粒度邻域系统，方法能够适应数据流在不同尺度下的分布特性。无论数据在局部还是全局层面呈现规律，算法均能有效捕捉。
 
交互特征识别能力。通过交互感知机制，方法能够识别那些单独不显著但组合后具有强判别力的特征。这一能力对于挖掘高维数据中的深层模式至关重要。
 
自适应的特征子集更新。必要性与冗余性分析的双阶段策略使特征子集能够随新特征的到达持续优化。过时特征被及时剔除，有效特征被及时纳入，保持了特征子集的时效性与紧凑性。
 
 5.2 适用场景
 
所提方法适用于以下典型场景：社交网络与舆情分析——用户画像特征不断更新，需实时筛选关键维度；物联网与智能感知——传感器数据维度持续增加，需动态优化特征集；金融风控——新的风险指标随时间引入，需在线评估其判别价值；生物信息学——基因表达数据特征维度极高且不断更新，需高效特征筛选。在建设科技领域的智能建造场景中，工程监测数据流的特征维度持续增长，所提方法能够为工程质量预测与安全预警提供高效的特征筛选支持。
 
 6 结论
 
本文针对在线流特征选择中单一粒度模型适应性不足和特征交互作用被忽略的问题，提出了一种基于多粒度邻域系统与交互感知的在线流特征选择方法。该方法通过构建多粒度邻域系统捕捉数据在不同尺度下的分布特性，通过交互感知机制评估新到达特征与已选特征集之间的协同效应，并通过必要性与冗余性分析实现特征子集的自适应更新。
 
在多个公开数据集上的实验结果表明，所提方法在分类精度和稳定性方面均显著优于现有方法。该方法有效解决了在线流特征选择中多粒度适应性与交互特征识别的双重挑战，为高维动态数据流下的特征选择提供了一种高效、鲁棒的解决方案。未来的研究工作将聚焦于以下几个方面：进一步优化多粒度邻域系统的构建效率，降低计算开销；探索自适应粒度选择策略，使粒度层次能够根据数据分布动态调整；将方法扩展至多标签学习场景，处理标签空间同样具有层次结构的问题。随着今传媒对大数据与智能信息处理前沿的持续追踪，以及建设科技对工程数据智能分析方法的不断探索，在线流特征选择技术将在更广泛的领域得到应用和验证。
 
 
 参考文献
 
[1] 杜晨霞. 基于多粒度与交互感知的在线流特征选择方法[J]. 信息技术与信息化, 2026(1): 145-148.
 
[2] 利用邻域信息交互的在线流特征选择算法[J]. 计算机工程与应用, 2021, 57(21): 102-108.
 
[3] 基于特征交互的层次分类在线流特征选择[J]. 南京师范大学学报(工程技术版), 2024(2).
 
[4] 面向类别层次结构的在线流特征选择算法研究[D]. 2025.