【技术实现步骤摘要】
本申请涉及装备性能评估，特别是涉及一种基于马尔可夫毯的装备评估方法、装置和计算机设备。
技术介绍
1、装备试验数据采集是支撑装备试验评估工作的基础性工作，在装备试验评估工作中往往会产生海量的装备试验评估数据，然而大量试验数据采集过程不仅成本高昂，而且试验数据往往存在高维、冗余、利用率不高等不易于试验评估的问题，数据利用率一般很低。也就是说，在利用试验数据对装备进行评估时，大量的冗余特征会降低评估效果和评估效率，如何科学准确地从海量的历史数据中挖掘出关键特征或属性信息，对于指导后续试验评估数据采集和评估具有重要意义。
2、特征选择可以从历史数据中挖掘出关键特征，实现数据的降维和特征的收缩，对于高效的数据利用和辅助决策有很大帮助。类别属性的马尔可夫毯作为具有最大预测性的最小特征子集，在挖掘关键特征的特征选择过程中具有极大的利用价值。因此基于马尔可夫毯的因果特征选择可以用于识别装备试验评估数据的关键特征，并使得识别过程更加精准高效。
3、均衡马尔可夫毯发现算法是一种基于约束的马尔可夫毯发现算法，通过条件独立性测试，对当前候选特征集的子集进行搜索，来寻找目标节点的父子节点和配偶节点，综合同步类马尔可夫毯学习算法与分治类马尔可夫毯学习算法的特点，兼顾了算法的准确性和时间效率。相较于保持较高的算法准确度，均衡马尔可夫毯发现算法在实现的过程中牺牲了部分时间效率。作为从分治类马尔可夫毯发现算法的基础上发展而来的方法，均衡马尔可夫毯发现算法在进行决策时仅使用候选特征集的子集作为条件集来进行条件独立性测试，虽然缩小了学习时所
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种基于马尔可夫毯的装备评估方法、装置和计算机设备，能够在确保对关键的装备试验数据筛选的准确性的基础上，极大提成筛选的时间效率，从而能够实现装备评估的准确性和实时性。
2、一种基于马尔可夫毯的装备评估方法，方法包括：
3、s1、从当前迭代的候选特征集中选出并删除与目标变量关联度最高的关联特征，得到新的候选特征集；其中，候选特征集为不包括目标变量的特征集；目标变量为装备的类别标签数据；类别标签数据是通过将装备的试验评估数据集中指定的一个维度特征的数据进行转换得到的；试验评估数据集中的数据包括多个维度的特征；
4、s2、若不存在当前迭代的候选父子特征集的子集使得关联特征和目标变量条件独立，则将关联特征添加到当前迭代的候选父子特征集，得到新的候选父子特征集，若不存在新的候选父子特征集与其中的候选父子特征的相对差集的子集使得对应的候选父子特征与目标变量条件独立，则执行步骤s3；
5、s3、若初始迭代的候选特征集和新的候选特征集的相对差集中的特征在给定特征的分离集以及新添加的候选父子特征时与目标变量条件依赖，且特征在新的候选特征集中，则将特征从新的候选特征集中移至目标变量关于候选父子特征的候选配偶特征集中，得到当前迭代输出的候选特征集和新添加的候选父子特征对应的候选配偶特征集；
6、s4、重复步骤s1~s3，直至候选特征集为空集，得到目标变量的候选父子特征超集以及各个候选父子特征对应的候选配偶特征超集；
7、s5、从当前迭代的候选父子特征超集中选出并删除与目标变量关联度最高的关联父子特征，得到新的候选父子特征超集；
8、s6、若不存在初始迭代的候选配偶特征超集与新的候选父子特征超集的并集的子集使得关联父子特征与目标变量条件独立，则将关联父子特征添加到当前迭代的父子特征集中；
9、s7、重复步骤s5~s6，直至候选父子特征超集为空集，得到目标父子特征集；
10、s8、从当前迭代的的候选配偶特征超集中选出并删除与对应的目标父子特征关联度最高的关联配偶特征，得到对应的新的候选配偶特征超集；
11、s9、若不存在初始迭代的候选父子特征超集与当前迭代中相应的目标父子特征对应的配偶特征集的并集的子集使得其中关联配偶特征与目标变量条件独立，则将关联配偶特征作为真实配偶特征添加到对应的配偶特征集中，得到新的配偶特征集；
12、s10、重复步骤s8~s9，直至对应的候选配偶特征超集为空集，将得到的配偶特征集作为新的配偶特征超集，重复步骤s8~s9，直至对应的配偶特征超集为空集，得到多个目标配偶特征集；
13、s11，根据目标父子特征集和目标配偶特征集得到目标变量的马尔可夫毯，根据马尔可夫毯中的特征对应维度的试验评估数据对装备的性能进行评估，并根据评估结果对装备进行相应的处理。
14、一种基于马尔可夫毯的装备评估装置，所述装置包括：
15、特征增长模块，用于执行以下步骤：
16、s1、从当前迭代的候选特征集中选出并删除与目标变量关联度最高的关联特征，得到新的候选特征集；其中，候选特征集为不包括目标变量的特征集；目标变量为装备的类别标签数据；类别标签数据是通过将装备的试验评估数据集中指定的一个维度特征的数据进行转换得到的；试验评估数据集中的数据包括多个维度的特征；
17、s2、若不存在当前迭代的候选父子特征集的子集使得关联特征和目标变量条件独立，则将关联特征添加到当前迭代的候选父子特征集，得到新的候选父子特征集，若不存在新的候选父子特征集与其中的候选父子特征的相对差集的子集使得对应的候选父子特征与目标变量条件独立，则执行步骤s3；
18、s3、若初始迭代的候选特征集和新的候选特征集的相对差集中的特征在给定特征的分离集以及新添加的候选父子特征时与目标变量条件依赖，且特征在新的候选特征集中，则将特征从新的候选特征集中移至目标变量关于候选父子特征的候选配偶特征集中，得到当前迭代输出的候选特征集和新添加的候选父子特征对应的候选配偶特征集；
19、s4、重复步骤s1~s3，直至候选特征集为空集，得到目标变量的候选父子特征超集以及各个候选父子特征对应的候选配偶特征超集；
20、特征收缩模块，用于执行以下步骤：
21、s5、从当前迭代的候选父子特征超集中选出并删除与目标变量关联度最高的关联父子特征，得到新本文档来自技高网...
【技术保护点】
1.一种基于马尔可夫毯的装备评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述步骤S2中，还包括：
3.根据权利要求1所述的方法，其特征在于，在所述步骤S2中，还包括：
4.根据权利要求2所述的方法，其特征在于，在所述步骤S4中，还包括：
5.根据权利要求1所述的方法，其特征在于，在所述步骤S1中，从当前迭代的候选特征集中选出与目标变量关联度最高的关联特征，包括：
6.根据权利要求5所述的方法，其特征在于，在所述步骤S8中，从当前迭代的的候选配偶特征超集中选出与对应的目标父子特征关联度最高的关联配偶特征，包括：
7.根据权利要求1所述的方法，其特征在于，在所述步骤S9中，还包括：
8.一种基于马尔可夫毯的装备评估装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
【技术特征摘要】
1.一种基于马尔可夫毯的装备评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述步骤s2中，还包括：
3.根据权利要求1所述的方法，其特征在于，在所述步骤s2中，还包括：
4.根据权利要求2所述的方法，其特征在于，在所述步骤s4中，还包括：
5.根据权利要求1所述的方法，其特征在于，在所述步骤s1中，从当前迭代的候选特征集中选出与目标变量关联度最高的关联特征，包括：
6.根...
【专利技术属性】
技术研发人员：孙建彬，徐博浩，崔瑞靖，姜江，于海跃，剧伦豪，涂莉，秦宇琪，姚雪湄，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。