基于正则线性模型的马尔科夫边学习算法

• 作者: 严曙 王儒敬 胡晓波
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 马尔科夫边 修改的岭回归模型 正则线性模型 贝叶斯网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 算法
• 页码范围: 182-191
• 页数: 10页
• 分类号: TP3
• 字数: 9484字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.02.029

摘要

已被证明修改的岭回归模型(MRRLM)在满足一定条件下可以发现目标变量的马尔科夫边的子集.但由于该模型引入协方差矩阵,导致在有变量共线的数据集上无法求解.为克服MRRLM缺陷寻找合适的替代模型,以实证的方式结合置换检验方法研究MRRLM与其他正则线性模型马尔科夫边发现效率之间的关系,并研究新的变种岭回岭模型(NVRRLM)在数据集上的适用性规律.实验结果表明:在低维连续数据集上,MRRLM马尔科夫边子集的发现效率远高于岭回归模型,但与拉索模型和弹性网络模型基本相近;在低维二值离散数据集上,MRRLM与岭回归模型、拉索模型和弹性网络模型的马尔科夫边的子集发现效率基本相近;NVRRLM完全可以用于变量共线数据集上马尔科夫边的子集发现.实验结果为解决低维变量共线数据集上选择合适的MRRLM替代模型提供了依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王儒敬	中国科学院合肥智能机械研究所	95	665	14.0	21.0
2	严曙	中国科学院合肥智能机械研究所	9	21	3.0	4.0
6	胡晓波	中国科学院合肥智能机械研究所	2	5	1.0	2.0