摘要
第一章 绪论
1.1 因果关系的重要意义和应用前景
1.2 基于贝叶斯网络下的方法
1.3 基于加噪模型下的方法
1.4 本文的研究重点和创新点
1.5 本文的章节安排
第二章 相关定义与假设
2.1 贝叶斯网络
2.2 贝叶斯网络的类型
2.3 贝叶斯网络学习的前提假设问题
2.4 图分割与变量独立
2.5 条件独立性测试
第三章 经典因果关系发现算法及其不足分析
3.1 引言
3.2 发现因果骨架的结构学习算法
3.3 发现因果骨架的结构学习算法的不足
3.4 非线性加噪模型介绍
3.5 非线性加噪模型的不足
3.6 小结
第四章 因果关系发现混合算法
4.1 引言
4.2 混合算法的介绍
4.3 实验设计
4.4 虚拟数据集下的结果
4.5 真实数据集下的结果
4.6 小结
结语
参考文献
攻读硕士学位期间发表的学术论文
声明
致谢