基于低阶条件独立测试的因果网络结构学习方法

• 作者: 洪英汉 郝志峰 陈平华 麦桂珍
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 因果结构学习 高维数据 低阶 条件独立测试
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 综合研究
• 页码范围: 14-19
• 页数: 6页
• 分类号: TP301.6
• 字数: 5123字
• 语种: 中文
• DOI: 10.12052/gdutxb.180146

摘要

基于条件约束的方法可从数据集中学习到变量间的因果关系,并构建出因果网络图.但是在高维数据情况下,基于条件约束方法的缺点是准确率较低且耗时多,从而严重影响此类方法在高维数据中的应用推广.因此,本文提出了一种基于低阶条件独立测试的因果网络结构学习方法,采用低阶条件独立测试来加速构建因果粗糙骨架;利用分裂?合并策略把高维网络分裂成若干个子网络,并进行因果网络结构学习以提高其准确率;最后整合成完整的因果网络图.实验结果均验证了该方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝志峰	广东工业大学计算机学院	166	940	14.0	20.0
3	陈平华	广东工业大学计算机学院	84	860	11.0	28.0
4	洪英汉	广东工业大学计算机学院	5	26	3.0	5.0
10	麦桂珍	广东工业大学计算机学院	3	0	0.0	0.0