基于分离树的含潜变量有向无环图的结构学习
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第7-10页 |
| 1.1 DAG研究背景及意义 | 第7-8页 |
| 1.2 DAG结构学习研究现状 | 第8-9页 |
| 1.3 本文组织结构 | 第9-10页 |
| 第2章 图的基本知识 | 第10-13页 |
| 2.1 图中的相关概念及符号 | 第10页 |
| 2.2 图的种类及分离性 | 第10-13页 |
| 第3章 含潜变量DAG的结构学习算法 | 第13-20页 |
| 3.1 潜变量带来的问题 | 第13-14页 |
| 3.2 FCI算法 | 第14-17页 |
| 3.3 RFCI算法 | 第17-18页 |
| 3.4 FCI和RFCI算法的检验统计量 | 第18-20页 |
| 第4章 基于分离树的RFCI算法优化 | 第20-37页 |
| 4.1 分离树算法概述 | 第20-22页 |
| 4.2 分离树算法的检验统计量 | 第22-23页 |
| 4.3 RFCI算法优化 | 第23-26页 |
| 4.4 模拟过程 | 第26页 |
| 4.5 模拟结果 | 第26-37页 |
| 第5章 实例分析 | 第37-46页 |
| 5.1 实例模拟 | 第37-42页 |
| 5.2 实例分析 | 第42-46页 |
| 第6章 总结 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录 | 第51-52页 |
| 作者简介 | 第52-53页 |
| 攻读学位期间研究成果 | 第53页 |
