一种基于K2结构学习算法的石漠化数据特征选择方法

• 作者: 张银桥 李水明 舒宁 陶建斌
• 来源期刊: 桂林工学院学报
• 学科: 地球科学
• 关键词: K2结构学习算法 特征 选择 最优特征子集 分类 石漠化信息
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 电子与计算机应用
• 页码范围: 548-554
• 页数: 7页
• 分类号: TP751|P642.25
• 字数: 6291字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-9057.2009.04.027

摘要

在石漠化信息的分类和提取过程中,冗余特征的存在影响分类器的性能,同时增加计算的复杂度.提出一种基于K2结构学习算法的石漠化数据特征选择方法,该方法通过BIC评分方法得到贝叶斯网络的结构,从中获得类节点的马尔可夫覆盖,继而进行特征选择.同时借用不同评分函数的等价性来确定结构学习时所需的样本数,并且给出了样本数的参考.实验表明,该方法由于结合了样本的分类信息,获得的特征子集是最优的,显著提高了分类精度,降低了计算复杂度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶建斌	武汉大学遥感信息工程学院	18	147	7.0	12.0
2	舒宁	武汉大学遥感信息工程学院	106	1587	21.0	35.0
3	李水明	武汉大学遥感信息工程学院	3	43	3.0	3.0
5	张银桥		2	5	1.0	2.0