一种基于柯氏复杂度的因果网络定向方法

• 作者: 韩梦瑶 鲁云军 金乙乔 刘乾 陈克斌
• 来源期刊: 控制与决策
• 关键词: 因果网络 因果定向 柯氏复杂度 最小描述长度 随机复杂度 马尔可夫毯
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 论文与报告|Papers and Reports
• 页码范围: 2241-2248
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2020.0005

摘要

因果网络定向问题实质是一个"多对多"因果关系发现过程,传统的V-结构定向方法只能确定一组马尔可夫等价类而非最终的因果关系.为解决该问题,从柯氏复杂度的因果推断原理视角出发,利用贝叶斯链式法则推导出局部网络因果定向规则,并在此基础上提出高维全局网络因果定向方法.同时,将前者运用于改进基于局部条件独立信息搜索学习马尔可夫毯典型算法,后者运用于改进基于约束的因果网络结构学习典型算法.实验结果表明,改进后算法在保证较高准确率的同时可有效提升执行效率.