Awa

新的MVGIFBLS框架通过多视图学习和模糊逻辑增强数据分类

研究人员提出了一种新颖的多视图图嵌入直觉模糊粗糙集（MVGIFBLS）系统，旨在增强数据分类能力。该框架整合了多视图学习、图嵌入和直觉模糊理论，以改进传统的粗糙集学习系统（BLS）。MVGIFBLS旨在更好地处理噪声数据、捕捉几何关系，并结合来自多个来源的信息以获得更具辨别力的表示。在基准数据集上的评估表明，所提出的系统在面临高斯特征噪声时也能实现更高的曲线下面积（AUC）得分并展现出稳健的性能。