首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于约束学习的观测数据因果关系发现研究

摘要第1-7页
ABSTRACT第7-13页
第1章 绪论第13-25页
   ·论文研究背景第13-15页
   ·论文研究意义第15-17页
   ·因果关系研究现状第17-21页
     ·因果关系和相关关系第17-18页
     ·因果关系发现方法第18-21页
   ·论文研究思路和章节安排第21-25页
第2章 因果关系发现的理论基础第25-37页
   ·概率论基础第25-26页
   ·贝叶斯网络第26-30页
     ·图的基本概念第26-27页
     ·条件独立性第27页
     ·贝叶斯网络学习第27-29页
     ·马尔科夫毯第29-30页
   ·因果关系模型第30-34页
     ·概率模型第30-31页
     ·潜在变量模型第31-33页
     ·因果图模型第33-34页
   ·因果关系假设第34-36页
   ·本章小结第36-37页
第3章 因果关系约束学习方法第37-65页
   ·观测数据约束方法第37-45页
     ·辛普森悖论第37-38页
     ·相关性约束第38-41页
     ·条件独立性约束第41-42页
     ·部分关联约束第42-45页
   ·因果关系全局约束第45-52页
     ·因果贝叶斯网络第45-47页
     ·因果网因果关系发现第47-50页
     ·因果网学习方法第50-52页
   ·因果关系局部约束方法第52-58页
     ·V结构第52-54页
     ·Y结构第54-55页
     ·马尔科夫毯第55-56页
     ·局部因果模型学习方法第56-58页
   ·因果关系变量约束方法第58-63页
     ·一致性约束第59-60页
     ·因果关系一致性约束第60-61页
     ·基于等价类的一致性约束第61-63页
   ·本章小结第63-65页
第4章 直接因果关系表达和推理第65-75页
   ·变量直接因果关系第65-69页
     ·问题描述第65-66页
     ·变量关联第66-68页
     ·变量部分关联第68页
     ·变量直接因果关系第68-69页
   ·直接因果关系的表达第69-72页
     ·一阶谓词逻辑表示第69-70页
     ·缺省逻辑表达第70-71页
     ·缺省逻辑的蕴含式扩展第71-72页
   ·因果推理模型构建第72-74页
     ·因果预测第72-73页
     ·因果诊断第73-74页
   ·本章小结第74-75页
第5章 基于关联规则的直接因果关系发现第75-91页
   ·关联规则第75-77页
     ·关联规则概念第75-76页
     ·关联规则发现分类第76页
     ·关联规则发现方法第76-77页
   ·兴趣度度量第77-80页
     ·客观兴趣度约束第78-79页
     ·主观兴趣度约束第79页
     ·兴趣度模型第79-80页
   ·因果关联规则的信息量度量第80-89页
     ·因果关联规则第80-82页
     ·信息量度量第82-84页
     ·基于信息度的算法实现第84-85页
     ·实验和结果分析第85-89页
   ·本章小结第89-91页
第6章 通用直接因果关系发现框架和算法第91-115页
   ·框架结构第91-94页
     ·前向过程第92-93页
     ·后向过程第93-94页
   ·算法设计第94-98页
   ·算法特点第98-102页
     ·分层过滤第98-99页
     ·排序第99-101页
     ·简约计算第101-102页
   ·算法复杂度分析第102-103页
   ·实验和结果第103-114页
     ·准确性第103-107页
     ·效率第107-111页
     ·扩展性第111-114页
   ·本章小结第114-115页
第7章 总结与展望第115-117页
   ·论文研究工作总结第115-116页
   ·下一步工作展望第116-117页
参考文献第117-127页
致谢第127-129页
在读期间发表的学术论文与取得的研究成果第129-130页

论文共130页,点击 下载论文
上一篇:时间依赖路网高效k最近邻查询混搭机制的研究
下一篇:手征光纤光栅制备中若干关键问题的研究