| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 致谢 | 第9-14页 |
| 第一章 绪论 | 第14-19页 |
| ·因果知识发现 | 第14页 |
| ·因果结构学习 | 第14-15页 |
| ·局部因果结构学习 | 第15-16页 |
| ·本文主要工作和组织结构 | 第16-19页 |
| 第二章 因果概率结构模型和马尔科夫毯 | 第19-26页 |
| ·贝叶斯网络的基本概念 | 第19-20页 |
| ·因果贝叶斯网络的基本概念 | 第20-21页 |
| ·因果贝叶斯网络结构学习 | 第21-23页 |
| ·基于评分搜索的因果结构学习 | 第21-22页 |
| ·K2 评分方法 | 第21-22页 |
| ·贝叶斯评分 Bde | 第22页 |
| ·基于约束的因果结构学习 | 第22-23页 |
| ·马尔科夫毯 | 第23-24页 |
| ·本文实验数据来源及评价方法 | 第24-25页 |
| ·实验数据来源 | 第24-25页 |
| ·评价方法 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于扰动学习的局部因果结构学习方法 | 第26-38页 |
| ·扰动学习 | 第26页 |
| ·扰动模型 | 第26-29页 |
| ·无扰动模型 | 第26-28页 |
| ·完美扰动模型 | 第28-29页 |
| ·扰动和因果发现 | 第29-31页 |
| ·基于扰动学习的局部因果结构学习 | 第31-32页 |
| ·复杂度分析 | 第32页 |
| ·实验结果和分析 | 第32-37页 |
| ·实验环境和数据 | 第32页 |
| ·评估指标 | 第32-33页 |
| ·实验结果 | 第33-37页 |
| ·结论 | 第37-38页 |
| 第四章 一种基于因果强度的局部因果结构主动学习方法 | 第38-43页 |
| ·因果强度 | 第38-39页 |
| ·基于不对称熵的扰动节点的选择 | 第39页 |
| ·局部结构学习的停止准则 | 第39页 |
| ·一种基于因果强度的局部因果结构主动学习方法 | 第39-40页 |
| ·实验结果 | 第40-42页 |
| ·实验结果 | 第42-43页 |
| 第五章 I-LCSL 方法和 CSL-LCSL 方法在行业板块数据上的应用 | 第43-48页 |
| ·学习局部模型的方法 | 第43-45页 |
| ·GS 算法 | 第43-44页 |
| ·Hiton-MB 算法 | 第44-45页 |
| ·在真实行业板块数据上的实验 | 第45-47页 |
| ·实验数据处理 | 第45-46页 |
| ·学习房地产行业和煤炭石油行业的局部因果结构 | 第46-47页 |
| ·结论 | 第47-48页 |
| 第六章 总结 | 第48-50页 |
| ·本文总结 | 第48页 |
| ·展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54-56页 |