格特·范·迪克;范·赫尔(Marc M.Van Hulle)。 从小波包分解中提取的特征集中的联合马尔可夫覆盖层。 (英文) Zbl 1302.94022号 熵 13,第7期,1403-1424(2011). 摘要:二十年来,小波包分解被证明是从时间序列和图像中提取特征以预测目标变量的通用方法。小波系数之间以及从小波系数导出的能量特征之间存在冗余。我们利用马尔可夫覆盖滤波理论评估了小波包分解中的这些冗余。我们引入了联合马尔可夫毯子的概念。结果表明,联合马尔可夫覆盖层是马尔可夫毯子的自然延伸,马尔可夫毯是为单个特征定义的,是一组特征的自然延伸。我们证明了这些联合马尔可夫覆盖存在于由小波系数组成的特征集中。此外,我们证明了来自最高频率分辨率水平的小波能量特征对所有其他小波能量特征形成了联合马尔可夫覆盖。联合马尔可夫覆盖理论表明,随着能量特征的频率分辨率水平的提高,分类精度可以提高。 MSC公司: 94甲15 信息论(综述) 62H30型 分类和区分;聚类分析(统计方面) 62页第10页 统计学在生物学和医学科学中的应用;元分析 关键词:特征子集选择;马尔可夫毯;相互信息;小波包分解 软件:伦敦银行支持向量机 PDF格式BibTeX公司 XML格式引用 \textit{G.Van Dijck}和\textit{M.Van Hulle},熵13,第7期,1403-1424(2011;Zbl 1302.94022) 全文: 内政部 参考文献: [1] Coifman,正交波包基(1990) [2] 内政部:10.1109/34.192463·Zbl 0709.94650号 ·数字对象标识代码:10.1109/34.192463 [3] Mallat,信号处理的小波之旅(1998) [5] 内政部:10.1109/18.119732·Zbl 0849.94005号 ·doi:10.10109/118.119732 [6] 内政部:10.1007/BF01250288·Zbl 0863.94004号 ·doi:10.1007/BF01250288 [7] 内政部:10.1190/1.1444292·doi:10.1190/1.1444292 [8] DOI:10.1016/S0031-3203(02)00019-5·Zbl 1010.68157号 ·doi:10.1016/S0031-3203(02)00019-5 [9] 内政部:10.1142/S0219691309003069·Zbl 1178.94165号 ·doi:10.1142/S0219691309003069 [10] 数字对象标识码:10.3390/s110605695·数字对象标识代码:10.3390/s110605695 [12] DOI:10.1016/j.sigpro.2005.07.032·Zbl 1172.94422号 ·doi:10.1016/j.sigpro.2005.07.032 [13] 内政部:10.1109/TIP.2008.2001050·doi:10.1109/TIP.2008.2001050 [14] 内政部:10.1109/34.244679·doi:10.1109/34.244679 [15] 内政部:10.1109/TITB.2008.2004495·doi:10.1109/TITB.2008.2004495 [16] Daubechies,小波十讲(1992) [17] 内政部:10.1109/18.119750·Zbl 0743.60079号 ·数字对象标识代码:10.1109/18.119750 [18] 内政部:10.1109/18.333875·Zbl 0810.60079号 ·数字对象标识代码:10.1109/18.333875 [21] Yu,通过相关性和冗余分析进行高效特征选择,J.Mach。学习。第5号决议第1205页–(2004年)·Zbl 1222.68340号 [22] 尼尔森,多项式时间模式识别的一致特征选择,J.Mach。学习。第8号决议第589页–(2007年)·兹比尔1222.68353 [23] DOI:10.1016/j.ijar.2006.06.008·Zbl 1122.68136号 ·doi:10.1016/j.ijar.2006.06.008 [24] Aliferis,《用于因果发现和分类特征选择的局部因果和马尔可夫覆盖归纳》,第一部分:算法和经验评估,J.Mach。学习。第11号决议第171页–(2010年)·兹比尔1242.68197 [25] DOI:10.1016/j.neucom.2009.05.018·doi:10.1016/j.neucom.2009.05.018 [26] 内政部:10.1109/72.298224·doi:10.1109/72.298224 [27] 内政部:10.1109/72.977291·数字对象标识代码:10.1109/72.977291 [28] 内政部:10.1109/TPAMI.2002.1114861·doi:10.1109/TPAMI.2002.1114861 [29] 内政部:10.1109/TPAMI.2005.159·doi:10.1109/TPAMI.2005.159 [30] 内政部:10.3390/e12102144·Zbl 1229.62005号 ·doi:10.3390/e12102144 [31] 勒克特。注释计算。科学。4702页277–(2007年)·doi:10.1007/978-3-540-74976-9_27 [32] 勒克特。注释计算。科学。4131页,第31页–(2006年)·doi:10.1007/11840817_4 [33] 内政部:10.1109/TIT.1962.1057691·doi:10.1109/TIT.1962.1057691 [34] 内政部:10.1109/JSTSP.2008.923858·doi:10.1109/JSTSP.2008.923858 [36] 封面,信息理论要素(2006) [37] 内政部:10.3390/e13040860·doi:10.3390/e13040860 [38] DOI:10.1016/j.patrec.2005.10.019·doi:10.1016/j.patrec.2005.10.019 [39] 科瓦列夫斯基,从数理统计的角度看字符识别问题,字符读取器和模式识别(1968) [40] 内政部:10.1109/18.272494·Zbl 0802.94004号 ·数字对象标识代码:10.1109/18.272494 [41] 杜达,模式分类(2001) [42] DOI:10.1009/34.75512·doi:10.1109/34.75512 [43] 内政部:10.1109/34.601254·doi:10.1009/34.601254 [44] Raudys,《统计和神经分类器:设计的综合方法》(2001年)·Zbl 0959.68110号 [45] 内政部:10.1007/BF00994018·文件编号:10.1007/BF00994018 [46] LIBSVM:一个支持向量mac库hineshtp://www.csie.ntu.edu.twcjlin/libsvm [47] Kecman,学习和软计算,支持向量机,神经网络和模糊逻辑模型(2001)·Zbl 0994.68109号 [48] 支持向量机:理论与应用(2005) [49] 内政部:10.1109/TSP.2007.906741·Zbl 1390.68554号 ·doi:10.1109/TSP.2007.906741 [50] 王,《计算智能数据挖掘》(2005)·Zbl 1101.68793号 [51] UCR时间序列分类/聚类页面http://www.cs.ucr.edu/eamonn/时间序列数据/ 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。