混合加噪声模型与条件独立性检测的因果方向推断算法

• 作 者: 麦桂珍 彭世国 洪英汉 陈平华 彭昱忠
• 机 构: 广东工业大学自动化学院,广东工业大学计算机学院,韩山师范学院物理与电子工程学院,广西师范学院科学计算与智能信息处理广西高校重点实验室
• 出 处: 计算机应用研究
• 发表日期: 2019年06期
• 关键词: 因果网络 加噪声模型 马尔可夫等价类 causal networks additive noise model Markov equivalence class
• 基金项目: 国家自然科学基金资助项目(61374081,61562008),广东省自然科学基金资助项目(S2013010013034),广西自然科学基金资助项目(#GXNSFAA198228),广东省科技项目(2014A030307049,2015A030401101,2015B090922014,2016B030306002,201604010099,2017A040405063,2016B03030800

从可观测的变量中推导出潜在的因果关系是人工智能领域的热点研究之一。传统的基于独立性检测的方法是通过检测V结构来确定一组马尔可夫等价类而非最终的因果关系;而加噪声模型算法却只能适应于低维度的因果网络结构。为此,提出一种采取分治策略的混合加噪声模型与条件独立性检测的因果方向推断方法。首先将一个n维因果网络分解成n个诱导子网络,分别归入三种基本结构(单度结构、非三角结构和存在三角的结构)中的一种,从理论上分别证明其有效性;其次对每个诱导子网络进行基于加噪声模型算法与条件独立性检测相结合的方向推断;最后把所