基于局部依赖分析的特征子集选择

摘要：

Bayesian网络是特征子集选择的有力工具,基于Bayesian网络特征子集选择就是建立类变量的Markov毯.文中在对变量之间基本依赖关系、结点之间基本结构、依赖分离标准和Markov毯进行分析的基础上,基于局部依赖分析方法进行类变量的Markov毯学习.在一些假设下可证明学习得到的特征子集是类变量的Markov毯.相对于现有的基于Bayesian网络特征子集选择方法,该方法更加灵活、高效和可靠.

关键词：特征子集选择、Bayesian网络、Markov毯、分类器

所属期刊栏目：44

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60675036;上海市重点学科建设项目P1601

在线出版日期：2008-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：329-333