×

贝叶斯网络分类器与选择性神经网络分类器。 (英语) Zbl 1101.68826号

摘要:本文将贝叶斯网络分类器与基于特征子集的最近邻分类器进行了比较。该子集是通过顺序特征选择方法建立的。对表面检测任务的分类数据和UCI存储库中的数据集的实验结果表明,贝叶斯网络分类器在分类精度方面与选择性(k)-NN分类器具有竞争力。在贝叶斯网络参数学习样本数较少的情况下,(k)-NN分类器表现良好。贝叶斯网络分类器在内存需求和计算需求方面优于选择性(k)-NN方法。本文证明了贝叶斯网络的分类能力。

MSC公司:

68吨10 模式识别、语音识别
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Jain,A.K。;Zongker,D.,《功能选择评估、应用和小样本性能》,IEEE Trans。模式分析。机器。智力。,19, 2, 153-158 (1997)
[2] Dash,M。;Liu,H.,分类特征选择,Intell。数据分析。,1, 3, 131-156 (1997)
[3] Kohavi,R。;John,G.H.,特征子集选择的包装器,人工制品。智力。,97, 273-324 (1997) ·Zbl 0904.68143号
[4] 佩恩科普夫,F。;O'Leary,P.,《机械加工金属高精度表面的目视检查》,Eurasip J.Appl。信号处理。应用目视检查专刊,2002,7,667-678(2002)
[5] Jain,A.K。;Chandrasekaran,B.,(模式识别实践中的维度和样本大小考虑,《统计手册》,第2卷(1982年),北荷兰:北荷兰阿姆斯特丹)·Zbl 0511.62067号
[6] D.Zongker,A.Jain,《特征选择算法:评估》,模式识别国际会议,ICPR 96,1996年,第18-22页。;D.Zongker,A.Jain,《特征选择算法:评估》,模式识别国际会议,ICPR 961996年,第18-22页。
[7] 费里·F·J。;普迪尔,P。;哈蒂夫,M。;Kittler,J.,《大规模特征选择技术的比较研究》,(Gelsema,E.S.;Kamal,L.N.,《实践中的模式识别》,第四卷(1994),Elsevier Science B.V.:Elsevie Science B.V.阿姆斯特丹),403-413
[8] R.Kohavi,D.Sommerfield,使用包装器模型的特征子集选择:过拟合和动态搜索空间拓扑,《第一届知识发现和数据挖掘国际会议论文集》,1995年,第192-197页。;R.Kohavi,D.Sommerfield,《使用包装器模型的特征子集选择:过拟合和动态搜索空间拓扑》,《第一届知识发现和数据挖掘国际会议论文集》,1995年,第192-197页。
[9] Pearl,J.,《智能系统中的概率推理合理推理网络》(1988),摩根考夫曼:摩根考夫曼·洛斯·阿利奥斯,加利福尼亚州
[10] 弗里德曼,N。;盖革,D。;Goldszmidt,M.,贝叶斯网络分类器,马赫。学习。,29, 131-163 (1997) ·Zbl 0892.68077号
[11] M.Singh,G.M.Provan,选择性贝叶斯网络分类器的有效学习,国际机器学习会议,1996年,第453-461页。;M.Singh,G.M.Provan,选择性贝叶斯网络分类器的有效学习,国际机器学习会议,1996年,第453-461页。
[12] F.Pernkopf,《使用贝叶斯网络分类器检测铣削钢块表面缺陷》,技术报告,格拉茨工业大学,2003年。;F.Pernkopf,《使用贝叶斯网络分类器检测铣削钢块表面缺陷》,技术报告,格拉茨工业大学,2003年。
[13] C.Merz,P.Murphy,D.Aha,加州大学欧文分校信息与计算机科学系UCI机器学习数据库库,网址:网址:http://www.ics.uci.edu/mlearn/MLRepository.html;C.Merz,P.Murphy,D.Aha,加州大学欧文分校信息与计算机科学系UCI机器学习数据库库,网址:网址:http://www.ics.uci.edu/mlearn/MLRepository.html
[14] Jensen,F.V.,《贝叶斯网络导论》(1996),伦敦大学学院出版社有限公司:伦敦大学学院出版社有限公司
[15] 科威尔,R.G。;Dawid,A.P。;Lauritzen,S.L。;Spiegelhalter,D.J.,概率网络和专家系统(1999),施普林格:柏林施普林格出版社·Zbl 0937.68121号
[16] D.Heckerman,《贝叶斯网络学习教程》,技术报告MSR-TR-95-06,微软研究院,1995年。;D.Heckerman,学习贝叶斯网络教程,技术报告MSR-TR-95-06,微软研究,1995年·Zbl 0921.62029号
[17] 共和国杜达。;哈特,体育。;Stork,D.G.,《模式分类》(2000),威利出版社:威利纽约
[18] E.J.Keogh,M.J.Pazzani,《学习增强贝叶斯分类器:基于分布和基于分类方法的比较》,《第七届人工智能与统计国际研讨会论文集》,1999年,第225-230页。;E.J.Keogh,M.J.Pazzani,《学习增强贝叶斯分类器:基于分布和基于分类方法的比较》,《第七届人工智能与统计国际研讨会论文集》,1999年,第225-230页。
[19] 普迪尔,P。;Novovic˘ová,J。;Kittler,J.,特征选择中的浮动搜索方法,模式识别快报。,15, 1119-1125 (1994)
[20] 佩恩科普夫,F。;O'Leary,P.,用于贝叶斯网络分类器结构学习的浮动搜索算法,模式识别快报。,24, 2839-2848 (2003) ·Zbl 1073.68787号
[21] Kittler,J.,特征集搜索算法,(Chen,C.H.,模式识别和信号处理(1978),Sijthoff和Noordhoff:Sijthof和Noordhoff Alphen a/d Rijn),41-60
[22] G.H.约翰。R.Kohavi,K.Pfleger,《无关特征和子集选择问题》,第11届机器学习国际会议论文集,1994年,第121-129页。;G.H.约翰。R.Kohavi,K.Pfleger,《无关特征和子集选择问题》,第11届机器学习国际会议论文集,1994年,第121-129页。
[23] Blum,A.L。;Langley,P.,《机器学习中相关特征和示例的选择》,Artif。智力。,97, 1-2, 245-271 (1997) ·Zbl 0904.68142号
[24] Devijver,P.A。;Kittler,J.,《模式识别统计方法》(1982),普伦蒂斯·霍尔国际:普伦蒂斯霍尔国际恩格尔伍德克利夫斯,新泽西州·Zbl 0476.68057号
[25] Fukunaga,K.,《统计模式识别导论》(1990),学术出版社:纽约学术出版社·Zbl 0711.62052号
[26] Goldberg,D.E.,搜索优化和机器学习中的遗传算法(1989),Addison-Wesley:Addison-Whesley Reading,MA·Zbl 0721.68056号
[27] Bäck,《理论与实践中的进化算法》(1996),牛津大学出版社:牛津大学出版社·Zbl 0877.68060号
[28] Michalewicz,Z。;Fogel,D.B.,《如何解决现代启发式》(2000),《施普林格:柏林施普林格》·兹比尔0943.90002
[29] 西德莱基。;Sklansky,J.,关于大规模特征选择的遗传算法的注释,模式识别快报。,10, 335-347 (1989) ·Zbl 0942.68690号
[30] Raymer,M.L。;Punch,W.F。;古德曼,医学博士。;库恩,洛杉矶。;Jain,A.K.,使用遗传算法降低维数,IEEE Trans。进化。计算。,4, 2, 164-171 (2000)
[31] F.Pernkopf,P.O'leary,使用具有新编码的遗传算法进行分类的特征选择,图像和模式计算机分析国际会议,CAIP 2001年,2001年,第161-168页。;F.Pernkopf,P.O'leary,使用具有新型编码的遗传算法进行分类的特征选择,图像和模式计算机分析国际会议,CAIP 2001年,2001年,第161-168页·兹比尔1005.68872
[32] Handels,H。;罗ß,T。;Kreusch,J。;沃尔夫,H.H。;Pöppl,S.J.,使用遗传算法优化皮肤肿瘤识别的特征选择,Artif。英特尔。医学,16,283-297(1999)
[33] 索莫尔,P。;普迪尔,P。;Novovic˘ová,J。;Paclík,P.,特征选择中的自适应浮动搜索方法,模式识别快报。,20, 1157-1163 (1999)
[34] 法耶兹,U.M。;Irani,K.B.,用于分类学习的连续值属性的多区间离散化,(第十三届国际人工智能联合会议论文集(1993)),1022-1027
[35] 考夫曼,L。;Rousseeuw,P.J.,《数据中的发现群体——聚类分析导论》(1990年),威利出版社:威利纽约·Zbl 1345.62009号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。