基于Cai-伪残差与变量独立性的因果定向方法

作     者：牛瑞琪 原泽鹏 翟岩慧 赵延新 李德玉 

作者机构：山西大学计算机与信息技术学院 计算智能与中文信息处理教育部重点实验室(山西大学) 

出 版 物：《郑州大学学报(理学版)》 (Journal of Zhengzhou University(Natural Science Edition))

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62072294 61972238) 

主　　题：因果定向 贝叶斯网络 马尔科夫等价类 伪残差 独立性检验 

摘      要：针对基于约束的因果关系发现方法中的马尔科夫等价类问题及函数因果模型对噪声的非高斯性假设问题,使用Cai-伪残差的三个定理,提出了Cai-伪残差因果定向算法。首先,假设变量之间关系线性且不限制噪声类型,在此条件下,对于贝叶斯网络的三种结构,Cai-伪残差与变量间的独立性表现出不同的结果。其次,利用基于约束的方法构建马尔科夫等价类之后,通过不同结果进一步发现并区分三种结构,对马尔科夫等价类中部分未定向的边进一步定向。最后,在不同因果网络构成的线性高斯数据集和线性非高斯数据集上分别进行了实验,结果表明,所提算法不仅显著减少了马尔科夫等价类中无向边的数量,同时也有效地提高了因果关系定向的准确性。