随着收集数据的系统和数据结构复杂化的发展,我们需要改进数据预处理的算法,以便利用高质量的数据获得有效的预测模型.但是,在实际应用中,经常会因为数据维数的增加,导致特征子集选取不当,进而对分类结果产生较大的影响.其中利用马尔科夫毯选取特征子集面临着两大问题:首先,基于概率描述从有向图中寻找类属性的配偶节点是NP难的;其次,当数据集不满足忠实分布时,目标节点的马尔科夫毯个数会随着特征维数的增加呈指数型增加.本文基于马尔科夫毯代表集和次最优特征子集,分别针对不同的搜索算法对特征选择进行研究.首先,针对Alpha搜索算法逐个地选择特征,本文提出了基于马尔科夫毯代表集的Alpha算法(MBRAS).该算法首先考虑相关性,基于最大信息系数度量每个特征与类属性的相关度,得到与类属性高相关的父子节点,由此转化思想提出类属性的马尔科夫毯代表集.随后,该算法建立了特征与子集冗余度分析的衡量标准,通过阈值的设立,排除与类属性低相关且与代表集高相关的非主导特征,从而生成次最优特征子集减小特征搜索空间.最后,该算法结合特征对类属性的相关性和特征对分类结果的影响提出了单个特征添加进预测模型的惩罚函数,并利用Alpha搜索算法选出最优特征子集.本文采用UCI和ASU中的多个数据集验证算法的分类性能.结果显示,相对于经典的特征选择算法而言,MBRAS具有更高的分类精度,而且大大降低了数据集的维数.即在减小信息遗漏情况下,以较少的特征获得较高的分类准确率.其次,在许多实际问题中,由于数据特征维数成千上万的增加以及特征间的依赖性,设立惩罚函数对单个特征进行搜索评价具有一定的局限性,且对于最后选取的特征个数具有灵活性.为了提高特征选择算法处理高维数据的基准,本文提出了基于马尔科夫毯代表集的粒子群算法(MBRPSO).首先基于输入集中特征的相关分析和代表集中特征的冗余分析对原始空间预处理;然后采用粒子群优化算法初始化粒子,得到多组特征子集,并通过新适应度函数的提出,计算出粒子的个体最优值和群体最优值,从而不断迭代更新得到最优子集.实验表明,MBRPSO算法与其它先进的特征选择算法和经典的马尔科夫毯过滤器相比,选出的特征个数最少且分类误差较低.最后,总体概括本文研究的内容,并提出以后的发展方向以及需要改进的地方.