高維數(shù)據(jù)下的因果關(guān)系發(fā)現(xiàn)混合算法研究.pdf

1、因果關(guān)系是自然科學(xué)的一個基本問題.盡管很多研究者致力于從觀測數(shù)據(jù)中尋找事物間的因果關(guān)系，但是目前依然沒有有效的方法來解決高維度下的這一問題.在本文的工作中，我們提出了利用兩種因果關(guān)系發(fā)現(xiàn)方法組合而成的混合發(fā)現(xiàn)算法.該方法的整體思路是利用因果關(guān)系的骨架，然后利用加噪模型的方法識別因果關(guān)系的方向.具體來說，本論文的主要工作及創(chuàng)新點(diǎn)有:
　　(1)基于因果馬爾科夫假設(shè)，通過使用結(jié)構(gòu)學(xué)習(xí)的算法，在高維度下學(xué)習(xí)出目標(biāo)變量潛在的因果骨架.為了

2、能在非線性數(shù)據(jù)下依然能學(xué)習(xí)出較好的因果骨架，本文選用了Zhang提出的核條件獨(dú)立測試方法代替?zhèn)鹘y(tǒng)的獨(dú)立測試方法.所獲得的因果骨架不僅克服了非線性加噪因果模型無法在高維度下識別因果關(guān)系的問題，而且也大大降低了識別結(jié)果中存在的冗余.
　　(2)根據(jù)數(shù)據(jù)的非線性屬性，使用Hoyer提出的因果模型.該模型打破了變量間的對稱關(guān)系，能從本質(zhì)上識別出變量間的因果關(guān)系，解決了傳統(tǒng)貝葉斯網(wǎng)絡(luò)方法只能識別出部分變量間的因果關(guān)系的不足，從而能在高維數(shù)據(jù)