基于貝葉斯網(wǎng)絡(luò)的馬爾可夫毯發(fā)現(xiàn)算法研究.pdf

1、馬爾可夫毯在分類任務(wù)中的特征選擇與貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)中發(fā)揮著重要作用。馬爾可夫毯發(fā)現(xiàn)算法用于從實(shí)際的數(shù)據(jù)集中學(xué)習(xí)和發(fā)現(xiàn)目標(biāo)變量的馬爾可夫毯。目前馬爾可夫毯發(fā)現(xiàn)算法可分為兩類，這兩類算法的原理是不一樣的。第一類算法以IAMB為代表，該類算法的速度很快，但是準(zhǔn)確率較低；第二類算法以IPC-MB為代表，該類算法的準(zhǔn)確率很高，但是速度較慢，因此這兩種算法都具有工程實(shí)用價(jià)值。貝葉斯網(wǎng)絡(luò)是一種統(tǒng)計(jì)模型，它能夠有效地表達(dá)隨機(jī)變量之間的聯(lián)合概率分布。

2、
　　本研究主要內(nèi)容包括：⑴改進(jìn)了IPC-MB算法，提出了新算法DOS（Dynamic Ordering-based Search Algorithm）。DOS算法彌補(bǔ)了IPC-MB的缺點(diǎn)與不足，通過綜合運(yùn)用三種新穎的策略：“排序”、“過濾”、“優(yōu)化對稱原則”，極大地減少了條件獨(dú)立性測試的次數(shù)，提高了發(fā)現(xiàn)馬爾可夫毯的速度和準(zhǔn)確率。首先詳細(xì)介紹了DOS算法發(fā)現(xiàn)馬爾可夫毯的原理與過程，并分析了DOS算法的主要特點(diǎn)。然后從理論上證明了D

3、OS算法的正確性，并對比分析了DOS與IPC-MB的時(shí)間復(fù)雜度。最后通過大量、反復(fù)的實(shí)驗(yàn)顯示出DOS的優(yōu)秀性能。⑵改進(jìn)了IAMB算法，提出了新算法Improve-IAMB。Improve-IAMB算法最大的特點(diǎn)在于“組進(jìn)”策略，該策略不僅可以減少條件獨(dú)立性測試的次數(shù)，提高了算法的速度，而且抑制了數(shù)據(jù)噪聲帶來的負(fù)面影響，提高了算法的準(zhǔn)確率。詳細(xì)分析了Improve-IAMB算法發(fā)現(xiàn)馬爾可夫毯的原理，并結(jié)合實(shí)例描述了Improve-IAMB