多組圖貝葉斯分類模型導論

　　《多組圖貝葉斯分類模型導論》總結(jié)了筆者幾年內(nèi)的新研究成果，介紹了一種新的分類模型框架——多組圖貝葉斯分類框架。該框架基于貝葉斯統(tǒng)計理論，結(jié)合高維數(shù)據(jù)的特殊性，將特征分為四組，前兩組為冗余和噪音維，它們均與分類信息無關，后兩組為預測維，參與預測分類，其中第三組特征之間相互獨立而第四組特征之間樹狀相關。這種分組方式能夠極大的簡化計算，并完整的覆蓋各種數(shù)據(jù)模式?！抖嘟M圖貝葉斯分類模型導論》根據(jù)貝葉斯定理，從理論上推導了多組圖貝葉斯分類框架的各種性質(zhì)，證明了該框架不需要進行數(shù)據(jù)預處理，就能夠自動過濾噪音和冗余屬性并同時完成回歸或分類預測。其次，基于多組圖貝葉斯分類框架，以多項式分布和狄利克雷分布為基礎假設，介紹了一種新的組圖貝葉斯分類模型，結(jié)合原始框架的預測流程和基本屬性推導了該模型各個分組的似然函數(shù)和基本性質(zhì)，建立并證明了模型結(jié)構(gòu)學習和推理的理論體系，并針對缺失數(shù)據(jù)探討了處理策略及對應的定理公式變形。再次，根據(jù)組圖貝葉斯分類模型的特殊性質(zhì)。通過4個原子操作構(gòu)建了6個基本的采樣操作，并設計了一種特殊的采樣步驟，從理論上證明了通過11個操作序列能夠保證算法收斂至理論解。最后，《多組圖貝葉斯分類模型導論》給出了一系列仿真實驗和真實數(shù)據(jù)，向讀者展示了組圖貝葉斯分類模型的強大性能。并通過在民用和軍用兩個方面的具體應用，展示了組圖貝葉斯分類模型既能夠作為預處理模型實現(xiàn)降維。也能夠作為預測模型做出最終的分類，而且其獨特的分組結(jié)構(gòu)能夠直接反映各個維度之間的相互關系，非常適合輔助人們更加深刻的理解當前數(shù)據(jù)，具有廣闊的應用前景。

暫缺《多組圖貝葉斯分類模型導論》作者簡介