-
题名一种基于K2结构学习算法的石漠化数据特征选择方法
被引量:2
- 1
-
-
作者
李水明
舒宁
陶建斌
张银桥
-
机构
武汉大学遥感信息工程学院
广西地质矿产勘查开发局
广西壮族自治区遥感中心
-
出处
《桂林工学院学报》
北大核心
2009年第4期548-554,共7页
-
基金
国家重点基础研究发展计划(973计划)资助项目(2006CB701303)
-
文摘
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B IC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。
-
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
-
Keywords
k2 structure learning algorithm
feature selection
optimal feature subset
classification
rock desertification information
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
P642.25
[天文地球—工程地质学]
-