基于因果推斷的隱網(wǎng)絡結(jié)構(gòu)學習.pdf

1、因果貝葉斯網(wǎng)絡是研究不確定環(huán)境下因果推斷的主要工具之一，也是機器學習、模式識別、數(shù)據(jù)分析及預測的重要方法．目前，大量學習因果貝葉斯網(wǎng)絡結(jié)構(gòu)的算法均滿足因果充分性假設，即網(wǎng)絡中不含有隱藏變量或者隱藏變量沒有多于兩個子節(jié)點．但是有時隱藏變量是實際存在的，因此放松因果充分性這一假設，學習含有隱藏變量的因果貝葉斯網(wǎng)絡（簡稱隱網(wǎng)絡）的結(jié)構(gòu)具有重要的理論意義和應用價值．如何有效地分析數(shù)據(jù)提取可靠的信息進行因果推斷是隱網(wǎng)絡結(jié)構(gòu)學習中的研究熱點問題．本

2、文著重研究隱網(wǎng)絡的結(jié)構(gòu)學習機制，主要工作有：
　　首先，探討了目前通過學習祖先關系來刻畫隱網(wǎng)絡中變量間因果關系的必要性．在不考慮因果充分性假設的前提下，對FCI算法、MBCS*算法和RFCI算法的主要學習步驟進行分析，指出了這三種算法的適用范圍及其各自的優(yōu)缺點．
　　其次，基于因果推斷給出一種新的兩步法學習隱網(wǎng)絡結(jié)構(gòu)．第一步采用BSPC算法，利用觀察數(shù)據(jù)學習隱網(wǎng)絡的映射圖，第二步在考慮實驗總體花費的情況下，結(jié)合先驗知識和最優(yōu)