基于互信息和葉子節(jié)點(diǎn)屬性的因果結(jié)構(gòu)學(xué)習(xí)方法

摘要： 線性非高斯無(wú)環(huán)模型(Linear Non-Gaussian Acyclic Models, LiNGAM)已經(jīng)被證明能有效區(qū)分馬爾科夫等價(jià)類(lèi)而獲得唯一的因果網(wǎng)絡(luò)，從而得到越來(lái)越多研究者關(guān)注.現(xiàn)有學(xué)習(xí)LiNGAM的方法要么難以有效處理高維網(wǎng)絡(luò)；要么假設(shè)網(wǎng)絡(luò)結(jié)構(gòu)為樹(shù)結(jié)構(gòu)而去處理高維問(wèn)題.針對(duì)以上問(wèn)題，本文提出一種以自底向上迭代學(xué)習(xí)的因果結(jié)構(gòu)方法.該方法主要包括混淆因子識(shí)別和葉子節(jié)點(diǎn)...