| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 缩写、符号清单、术语表 | 第9-16页 |
| 第一章 绪论 | 第16-31页 |
| 1.1 引言 | 第16-18页 |
| 1.2 因果关系推断的研究问题及应用 | 第18-25页 |
| 1.2.1 因果关系推断的研究现状 | 第18-24页 |
| 1.2.2 因果关系推断的主要应用 | 第24-25页 |
| 1.3 预备知识 | 第25-29页 |
| 1.3.1 D分离 | 第25页 |
| 1.3.2 有向无环图 | 第25-26页 |
| 1.3.3 因果网络 | 第26页 |
| 1.3.4 因果网络类型 | 第26-27页 |
| 1.3.5 图分割与变量独立 | 第27-28页 |
| 1.3.6 条件独立测试 | 第28页 |
| 1.3.7 ANM模型 | 第28-29页 |
| 1.3.8 PC算法 | 第29页 |
| 1.4 本文的主要研究内容 | 第29-31页 |
| 第二章 基于条件独立性测试的快速因果划分算法 | 第31-49页 |
| 2.1 引言 | 第31-33页 |
| 2.2 CDF框架 | 第33-34页 |
| 2.3 寻找因果划分的过程 | 第34-38页 |
| 2.4 CDF和SADA之间的联系 | 第38-39页 |
| 2.5 实验结果分析 | 第39-48页 |
| 2.6 本章小结 | 第48-49页 |
| 第三章 基于加噪声模型的因果方向推断算法 | 第49-71页 |
| 3.1 引言 | 第49-52页 |
| 3.2 父集的子集与残差之间的依赖关系 | 第52-57页 |
| 3.3 CDI方法 | 第57-63页 |
| 3.3.1 ODS结构的方向学习 | 第57-58页 |
| 3.3.2 NTS结构的方向学习 | 第58-60页 |
| 3.3.3 TES的结构方向学习 | 第60-61页 |
| 3.3.4 合并部分结果的过程 | 第61-63页 |
| 3.3.5 CDI方法的实现过程 | 第63页 |
| 3.4 理论分析 | 第63-65页 |
| 3.4.1 准确性和完整性 | 第64-65页 |
| 3.4.2 计算的复杂度 | 第65页 |
| 3.5 实验 | 第65-70页 |
| 3.5.1 CDI与SVS和ANM 比较 | 第66-68页 |
| 3.5.2 三种子结构的性能 | 第68-70页 |
| 3.6 本章小结 | 第70-71页 |
| 第四章 混合加噪声模型与条件独立性检测的因果方向推断算法 | 第71-83页 |
| 4.1 引言 | 第71-72页 |
| 4.2 方法 | 第72-78页 |
| 4.2.1 V结构搜索算法 | 第72-74页 |
| 4.2.2 NTS、ODS、TES学习算法 | 第74-76页 |
| 4.2.3 (VE+ANM)方法的框架 | 第76-78页 |
| 4.3 实验结果分析 | 第78-82页 |
| 4.3.1 (VE+ANM)与SVS、POE、ANM、IGCI比较 | 第78-80页 |
| 4.3.2 三种子结构的效果比较 | 第80-82页 |
| 4.4 本章小结 | 第82-83页 |
| 第五章 支持高维数据的快速因果推断算法 | 第83-103页 |
| 5.1 引言 | 第83-86页 |
| 5.2 方法 | 第86-92页 |
| 5.2.1 数据集分裂阶段 | 第86-87页 |
| 5.2.2 骨架学习阶段 | 第87-89页 |
| 5.2.3 方向学习阶段 | 第89-90页 |
| 5.2.4 LSCD方法的框架 | 第90-92页 |
| 5.2.5 准确性和完整性 | 第92页 |
| 5.3 实验结果分析 | 第92-102页 |
| 5.3.1 几种算法的性能比较 | 第92-100页 |
| 5.3.2 连续数据集的结果 | 第100-101页 |
| 5.3.3 离散数据集的性能 | 第101-102页 |
| 5.4 本章小结 | 第102-103页 |
| 总结与展望 | 第103-105页 |
| 本文的主要工作 | 第103页 |
| 未来工作展望 | 第103-105页 |
| 参考文献 | 第105-115页 |
| 攻读博士学位期间发表或完成的论文 | 第115-116页 |
| 攻读博士学位期间获得的奖励和参与的项目 | 第116-118页 |
| 致谢 | 第118页 |