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：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；所述目标变量为装备的类别标签数据；所述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；所述试验评估数据集中的数据包括多个维度的特征；S2、若不存在当前迭代的候选父子特征集的子集使得所述关联特征和所述目标变量条件独立，则将所述关联特征添加到所述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所述目标变量条件独立，则执行步骤S3；在所述步骤S2中，还包括：若存在当前迭代的候选父子特征集的子集使得所述关联特征和所述目标变量条件独立，则不将所述关联特征添加到所述当前迭代的候选父子特征集中，结束当前迭代，同时将所述当前迭代的候选父子特征集的子集作为所述关联特征的分离集，以及将所述关联特征添加到目标变量当前迭代的独立集中得到新的独立集；其中，目标变量的独立集的独立特征为候选特征集中满足与所述目标变量关于空集独立的特征；S3、若初始迭代的候选特征集和所述新的候选父子特征集的相对差集中的特征在给定所述特征的分离集以及新添加的候选父子特征时与所述目标变量条件依赖，且所述特征在所述新的候选特征集中，则将所述特征从所述新的候选特征集中移至所述目标变量关于所述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所述新添加的候选父子特征对应的候选配偶特征集；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；S5、从当前迭代的候选父子特征超集中选出并删除与所述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；S6、若不存在初始迭代的候选配偶特征超集与所述新的候选父子特征超集的并集的子集使得所述关联父子特征与所述目标变量条件独立，则将所述关联父子特征添加到当前迭代的父子特征集中；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；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；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所述关联配偶特征与目标变量条件独立，则将所述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；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；S11、根据所述目标父子特征集和目标配偶特征集得到所述目标变量的马尔可夫毯，根据所述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。
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：若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所述目标变量条件独立，则将对应的候选父子特征从新的候选父子特征集中删去，得到更新候选父子特征集，同时将所述目标变量关于对应的候选父子特征的候选配偶特征集清空。
3.根据权利要求1所述的方法，其特征在于，在所述步骤S4中，还包括：当当前迭代的关联特征是最后一个添加到候选父子特征集中的候选父子特征时，若不存在当前的独立集中的独立特征的分离集与最后一个候选父子特征的并集使得对应的独立特征与目标变量条件独立，则将对应的独立特征添加到最后一个候选父子特征对应的候选配偶特征集中。
4.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：其中， 表示关联特征， 表示目标变量， 表示候选特征集， 表示候选特征集中的候选特征与目标变量的关联度。
5.根据权利要求4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：其中， 表示关联配偶特征， 表示目标变量关于关联特征的候选配偶特征集， 表示候选配偶特征的分离集。
6.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：若存在初始迭代的候选父子特征超集与当前迭代中相应的候选父子特征对应的配偶特征集的并集的子集使得其中所述关联配偶特征与目标变量条件独立，则不将所述关联配偶特征添加到对应的配偶特征集中，结束当前迭代。
7.一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：特征增长模块，用于执行以下步骤：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；所述目标变量为装备的类别标签数据；所述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；所述试验评估数据集中的数据包括多个维度的特征；S2、若不存在当前迭代的候选父子特征集的子集使得所述关联特征和所述目标变量条件独立，则将所述关联特征添加到所述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所述目标变量条件独立，则执行步骤S3；在所述步骤S2中，还包括：若存在当前迭代的候选父子特征集的子集使得所述关联特征和所述目标变量条件独立，则不将所述关联特征添加到所述当前迭代的候选父子特征集中，结束当前迭代，同时将所述当前迭代的候选父子特征集的子集作为所述关联特征的分离集，以及将所述关联特征添加到目标变量当前迭代的独立集中得到新的独立集；其中，目标变量的独立集的独立特征为候选特征集中满足与所述目标变量关于空集独立的特征；S3、若初始迭代的候选特征集和所述新的候选父子特征集的相对差集中的特征在给定所述特征的分离集以及新添加的候选父子特征时与所述目标变量条件依赖，且所述特征在所述新的候选特征集中，则将所述特征从所述新的候选特征集中移至所述目标变量关于所述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所述新添加的候选父子特征对应的候选配偶特征集；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；特征收缩模块，用于执行以下步骤：S5、从当前迭代的候选父子特征超集中选出并删除与所述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；S6、若不存在初始迭代的候选配偶特征超集与所述新的候选父子特征超集的并集的子集使得所述关联父子特征与所述目标变量条件独立，则将所述关联父子特征添加到当前迭代的父子特征集中；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；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；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所述关联配偶特征与目标变量条件独立，则将所述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；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；装备性能评估模块，用于根据所述目标父子特征集和目标配偶特征集得到所述目标变量的马尔可夫毯，根据所述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。
8.一种计算机设备，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6中任一项所述方法的步骤。
