两种基于条件独立性测试的高维数据因果关系推断算法的比较  

作　　者：洪英汉[1,2] 夏文栋 郭才[4] 

机构地区：[1]广东工业大学计算学院,广东广州510006 [2]韩山师范学院物理与电子工程学院,广东潮州521041 [3]嘉应学院计算机学院,广东梅州514015 [4]韩山师范学院网络与教育技术中心,广东潮州521041

出　　处：《科技视界》2019年第1期116-117,共2页Science & Technology Vision

基　　金：广东省科技计划项目(2013B040500010);(2015B090922014);(2017A040405063)

摘　　要：机器直觉推理与因果模型的研究是AI基础理论体系的重要组成部分之一。针对目前因果关系推断在高维数据情况下,传统的基于条件独立性测试出现消耗时间多和准确率差等现象。本文对两种基于条件独立性测试的高维数据因果关系推断算法进行比较:一种是通过降低条件集维度的方法、另外一种是构建粗糙网络及分裂-合并策略方法,每个算法都有其优缺点。通过分析总结,在今后的工作中,可以根据实际情况选择合适的方法来解决高维数据因果关系推断问题。

关 键 词：高维数据 因果关系推断 维度约简 网络分区 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]