發(fā)布時(shí)間：2021-01-29 00:08

　　因果結(jié)構(gòu)學(xué)習(xí)的目標(biāo)是通過對(duì)大量數(shù)據(jù)的訓(xùn)練得到一個(gè)反映事物之間客觀聯(lián)系的因果模型。挖掘蘊(yùn)含在數(shù)據(jù)中的因果結(jié)構(gòu)關(guān)系,為我們認(rèn)識(shí)事物發(fā)展變化的規(guī)律以及探究引起事物發(fā)展變化的本質(zhì)因素提供思路和依據(jù),從而更好的做出決策,是數(shù)據(jù)挖掘領(lǐng)域的重要內(nèi)容。然而,目前為止對(duì)因果結(jié)構(gòu)學(xué)習(xí)問題的研究只局限于靜態(tài)特征空間下,而在數(shù)據(jù)動(dòng)態(tài)變化急劇增長的今天,靜態(tài)特征空間下的學(xué)習(xí)方法顯然存在著空間和時(shí)間上的不適性和不可行性。為了將因果結(jié)構(gòu)學(xué)習(xí)算法同樣可以高效的應(yīng)用在動(dòng)態(tài)特征空間上,本文主要研究了動(dòng)態(tài)特征空間下的因果結(jié)構(gòu)學(xué)習(xí)算法,并且同時(shí)兼容靜態(tài)特征空間下的因果結(jié)構(gòu)學(xué)習(xí)問題,并且比其更加高效。具體而言,本文的研究工作如下:首先,針對(duì)現(xiàn)有因果結(jié)構(gòu)學(xué)習(xí)算法無法適應(yīng)動(dòng)態(tài)變化的特征空間的現(xiàn)狀,對(duì)動(dòng)態(tài)特征空間下和因果結(jié)構(gòu)學(xué)習(xí)的關(guān)鍵理論和技術(shù)進(jìn)行研究,以流特征的概念來建模特征空間的動(dòng)態(tài)性,提出了一種基于流特征的因果結(jié)構(gòu)學(xué)習(xí)框架。在該框架中,我們對(duì)于每一個(gè)新到的特征,我們首先在已經(jīng)到達(dá)的特征中選擇出其可能的候選鄰居節(jié)點(diǎn)來縮小候選鄰居節(jié)點(diǎn)的搜索范圍。隨后基于這些可能的候選鄰居節(jié)點(diǎn)進(jìn)行進(jìn)一步地篩選得到其候選鄰居節(jié)點(diǎn)。對(duì)每一個(gè)新到的特征做... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３．３五個(gè)算法在不同網(wǎng)絡(luò)和不同數(shù)據(jù)樣本大小下的運(yùn)行時(shí)間??Ｆｉｇ?３．?３?Ｒｕｎｎｉｎｇ?ｔｉｍｅ?ｏｆ?ｆｉｖｅ?ａｌｇｏｒ?

置會(huì)直接影響算法的性能，所以在進(jìn)行正式的算法性能驗(yàn)證試驗(yàn)之前，我們首先??通過一系列的實(shí)驗(yàn)來獲得算法的最佳閾值，該閾值應(yīng)該能使算法在所有網(wǎng)絡(luò)下均??表現(xiàn)出較好的適應(yīng)性。如圖４．２所示為ＣＳＳＵ算法采用不同的互信息闞值（０．００５，??０．０１，０．０１和０．１）在不同網(wǎng)絡(luò)下的結(jié)構(gòu)誤差數(shù)目。其中Ｘ軸表示樣本大�。ǎ保埃埃�??５００，１０００，?５０００和１００００）?，?Ｙ軸表示網(wǎng)絡(luò)結(jié)構(gòu)誤差數(shù)目。圖４．２中（ａ）?－?（ｇ）??分別顯示了不同網(wǎng)絡(luò)下的實(shí)驗(yàn)結(jié)果，按照網(wǎng)絡(luò)維度遞增的順序依次為：（ａ）??ｉｎｓｕｒａｎｃｅ，?（ｂ）?ａｌａｒｍ，（ｃ）?ｂａｒｌｅｙ’（ｄ）?ｃａｒｐｏ，（ｅ）?ａｌａｒｍｌＯ，（ｆ）?ｈａｉｌｆｉｎｄｅｒｌＯ?和（ｇ）?ｇｅｎｅ。??從圖４．２的實(shí)驗(yàn)結(jié)果可以看出，互信息閾值的設(shè)定確實(shí)會(huì)對(duì)ＣＳＳＵ算法的性能產(chǎn)生??影響�；旧显诿總�(gè)網(wǎng)絡(luò)下，當(dāng)數(shù)據(jù)集較�。▽�(shí)驗(yàn)中樣本數(shù)量為１〇〇）時(shí)，算法的??結(jié)構(gòu)誤差數(shù)目普遍較大，這是由于小樣本下互信息的計(jì)算缺乏可靠性，所以導(dǎo)致??算法表現(xiàn)出較低的準(zhǔn)確度

Ｔｗｏ－ｐｈａｓｅ算法與ＣＳＳＵ算法相比，從實(shí)驗(yàn)圖中可以看出，ＣＳＳＵ算法無論是??在結(jié)構(gòu)誤差方面還是運(yùn)行時(shí)間上都比Ｔｗｏ－ｐｈａｓｅ算法更加優(yōu)良，且隨著樣本數(shù)量??的增加ＣＳＳＵ算法的優(yōu)勢(shì)更加明顯，如圖４．４所示ｔｗｏ－ｐｈａｓｅ算法的運(yùn)行時(shí)間隨著??樣本數(shù)量的增加急劇增長


本文編號(hào)：3005937