高維數(shù)據下的因果關系發(fā)現(xiàn)混合算法研究.pdf

1、因果關系是自然科學的一個基本問題.盡管很多研究者致力于從觀測數(shù)據中尋找事物間的因果關系，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系的骨架，然后利用加噪模型的方法識別因果關系的方向.具體來說，本論文的主要工作及創(chuàng)新點有:
　　(1)基于因果馬爾科夫假設，通過使用結構學習的算法，在高維度下學習出目標變量潛在的因果骨架.為了

2、能在非線性數(shù)據下依然能學習出較好的因果骨架，本文選用了Zhang提出的核條件獨立測試方法代替?zhèn)鹘y(tǒng)的獨立測試方法.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系的問題，而且也大大降低了識別結果中存在的冗余.
　　(2)根據數(shù)據的非線性屬性，使用Hoyer提出的因果模型.該模型打破了變量間的對稱關系，能從本質上識別出變量間的因果關系，解決了傳統(tǒng)貝葉斯網絡方法只能識別出部分變量間的因果關系的不足，從而能在高維數(shù)據