基于扰动数据的因果网络结构的学习

• 作者: 吴晓星 钱炜慷
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 贝叶斯网络 结构学习 因果网络 扰动数据 马尔科夫链—蒙特卡罗 打分-搜索
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 算法
• 页码范围: 289-291,326
• 页数: 4页
• 分类号: TP182
• 字数: 2976字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.06.078

摘要

因果网络是一种把节点间的有向边解释成因果关系的贝叶斯网络,它可以用来为现实中的黑盒系统建模.由于存在多个贝叶斯网络可以表述相同的条件独立声明,所以这些网络统计上是不可区分的,它们被称为是马尔科夫等价网络.这意味着,即使知道两个网络节点是相关的,也不能区分谁是原因,谁是结果.为了解决这个问题,提出一种基于扰动数据的因果网络结构的学习算法,通过引入扰动数据,改动传统的打分方式,在此基础上进行马尔科夫链—蒙特卡罗搜索最好得分.实验结果表明,这种方法有效地找到了可信的因果网络结构.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴晓星	上海交通大学电子信息与电气工程学院	1	0	0.0	0.0
2	钱炜慷	上海交通大学密西根学院	1	0	0.0	0.0