Model Selection in Graphical Models with special focus on Genetic Algorithms

Angelika Blauth

ISBN 978-3-89722-910-5
Seiten, Erscheinungsjahr:
154 Seiten, Erscheinungsjahr: 2002
Preis: 40.50 €

In der heutigen Zeit werden in vielen Studien oft große Mengen an Daten gewonnen. Derartige multivariate Datensätze beinhalten oft komplexe Assoziationsstrukturen, die erkannt werden sollen. Graphische Modelle sind ein geeignetes Mittel, um dies zu erreichen. Die grundlegende Idee dabei ist, ein multivariates statistisches Modell mittels eines Graphen darzustellen. Obwohl diese Art von Modellen theoretisch gut untersucht ist, bleiben bei der Anpassung eines Modells an einen Datensatz einige Fragen offen. Die vorliegende Arbeit beschäftigt sich daher primär mit einem neuen Ansatz zur Modellsuche in graphischen Modellen.

Als eine neue Strategie werden genetische Algorithmen vorgeschlagen, die schon in vielen Optimierungsproblemen erfolgreich eingesetzt wurden. Die Operationen, auf denen der Algorithmus basiert, werden dazu auf den Fall graphischer Modelle übertragen. In einer Simulationsstudie werden anschließend verschiedene Parameterkonstellationen erprobt, und der Algorithmus wird mit anderen Selektionsstrategien verglichen.

Zudem wird in der Arbeit auch das Programm GraphFitI vorgestellt, das speziell auf die Modellsuche in sogenannten graphischen Kettenmodellen ausgerichtet ist.