因果图网络结构学习算法研究  

Study on Learning Algorithms of Causality Diagram Structure

作　　者：石庆喜[1] 王洪春[1] 张勤[1] 

机构地区：[1]重庆大学自动化学院

出　　处：《微电子学与计算机》2006年第1期77-79,84,共4页Microelectronics & Computer

基　　金：重庆市科技公关项目(5990);重庆市科委基金项目(91214927)

摘　　要：在因果图理论中,采用了图形化和直接因果强度来表达知识和因果关系,它克服了贝叶斯网的一些不足,已经发展成了一个能够处理离散变量和连续变量的混合模型。但是因果图的结构得由领域专家给出,这在实际中很难办到。文章中给出了如何利用已知数据集,寻找最有可能的因果图网络模型方法,并用启发式算法进行模型评估。The Causality Diagram theory, which adopted graphical expression of knowledge and direct causality intensity of causality, overcomes some shortages in Belief Network and has evolved into a mixed causality diagram methodology coped with discrete and continuous variable. But it is difficult that the structure of Causality Diagram given by expert. In this paper, we discuss approaches to find the most possible structure from a set of data, znd evaluate the model using the heuristic method.

关 键 词：因果图 结构 机器学习 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]