Kim，Sung-Ho先生;李桑金 一种基于边际模型结构的模型搜索方法。 （英语） Zbl 1157.68405号 Gammerman，A.（编辑），《人工智能与应用》。机器学习。作为第26届IASTED国际应用信息学多会议的一部分。卡尔加里：国际科学技术促进发展协会（IASTED）；加利福尼亚州阿纳海姆：Acta出版社（ISBN 978-0-88986-710-9/CD-ROM）。116-120 (2008). 摘要：假设我们对随机向量（X）的建模感兴趣，并且我们得到了一组图形可分解模型{G} _1个、\dots、\mathcal{G} _米\)，对于\（X\）的子向量，每个子向量与至少一个其他模型共享一些变量。在假设（X）的模型是图形的和可分解的情况下，我们提出了一种基于给定的可分解图形模型搜索（X）模型的方法。这种方法的一个主要思想是，我们将\（\mathcal{G} _1个、\dots、\mathcal{G} _米\)使用素数分隔符图（第2节）。当整个数据的真实图形模型是可分解的时，边际模型中的素数分隔符也是边际模型最大组合模型中的素分隔符。此属性在模型组合中起着关键作用。将所提出的方法应用于搜索100个变量的模型以进行说明。关于整个系列，请参见[Zbl 1154.68012号]. 引用于1文件 MSC公司： 68兰特 计算机科学中的图论（包括图形绘制） 关键词：组合模型结构;图形分离;相互作用图;马尔科夫子图;主要分离器 PDF格式BibTeX公司 XML格式引用 \textit{S.-H.Kim}和\textit{S.Lee}，in：人工智能和应用。机器学习。作为第26届IASTED国际应用信息学多会议的一部分。卡尔加里：国际科学技术促进发展协会（IASTED）；加利福尼亚州阿纳海姆：Acta出版社。116-120（2008年；兹bl 1157.68405）