一种基于因果强度的局部因果结构主动学习方法
因果结构学习是贝叶斯网络学习中一种重要的结构学习方法，因果关系揭示了系统要素作用的本质.由于仅利用观测数据很难准确的发现变量间的因果关系，且通常人们仅关心网络中关于某一变量的局部因果关系.针对难以从观测数据中仅获取所感兴趣的变量的局部因果结构的问题，提出了一种新颖的局部结构学习方法，即一种基于因果强度的局部因果结构主动学习方法(CSI-LCSL).CSI-LCSL 方法融合马尔可夫毯的结构划分能力和扰动学习的因果发现能力，并且引入了因果强度进行扰动结点的选择.利用HITON_MB 算法寻找目标结点的马尔可夫毯生成关于目标结点的局部模型；然后，利用不对称信息熵对局部模型中的每一结点进行因果强度分析，选取因果强度值较大的结点进行扰动，生成扰动数据；进而，联合扰动数据和观测数据利用准确方法(exact method)学习边的后验概率，从而获得一个关于目标结点的局部因果网络.利用结构信息熵对CSI-LCSL 方法对学习的结果进行评估.在标准网络上的实验结果表明CSI-LCSL 算法的有效性.
因果结 特征选择 扰动学习 贝叶斯网络 因果强度
周冬梅 王浩 姚宏亮 李俊照 张赞
合肥工业大学计算机与信息学院 合肥23009
国内会议
长春
中文
1-6
2012-08-04（万方平台首次上网日期，不代表论文的发表时间）