因特网、物联网的出现促进了数据量的爆炸式增长,面对体量巨大、类型多样、价值密度低的海量数据,如何通过机器学习进行高效的处理分析成为影响数据拥有者核心竞争力的关键。针对数据的不精确、不完整、高维度、大样本等特点,粗糙集体现出特有的研究价值,其在集成学习中的应用更是促进了并行化计算的工程落地。本文即对粗糙集缺乏与集成学习的广泛结合,并存在离散化较困难、时间复杂度较高、泛化性不足等难题进行研究。首先,论文采用了将邻域粗糙集特征选择和随机森林结合使用的策略,以特征子空间为切入点提高了随机森林中基分类器的分类能力,并在原有子集搜索的基础上加入一定的随机化方法,使得邻域粗糙集生成大量不同的特征候选子集。实验结果表明,多特征候选子集的引入使得系统整体性能进一步提升,并且相比于经验法则所确定的固定规模的随机特征子集更加具有可解释性。在5个数据集上,与7种机器学习方法的对比过程中,所提出的算法在准确率与召回率的调和平均值上最高提升11.2%,并且随着特征维度的增加体现出更好的稳定性。第二,通过分析邻域粗糙集实际应用中邻域半径需要人工选取的困难,以及人工设置超参数带来的庞大的调参工作,提出将聚类算法结合粗糙集进行连续型数值划分,给出邻域或聚类中心数的指导性意见,减少了人工调参与特征评估中属性重要性的时间开销。此外,通过集成特征选择将邻域粗糙集与具体算法解耦,并在子集搜索过程中加入lasso回归降低作为粗糙集核的特征子集的相关性。在与7种常用分类器的结合中体现了较好的稳定性和特征压缩性能。论文的主要贡献和创新有:针对邻域粗糙随机森林改进了随机森林自身的特征子空间生成过程,在高维数据处理时性能有了显著提高,具有一定应用价值;结合聚类的集成特征选择一方面减少了邻域粗糙集超参数选取的重复性劳动,另一方面将邻域粗糙集的应用场景由与随机森林耦合的wrapper-embeded方式改变为适用于更多分类算法的wrapper-filter方式,推广了基于聚类的邻域粗糙集度量和集成特征选择,减少了经验法则的使用。