含隐变量和选择偏差的图模型中的因果推断

Bayes网络常用于多变量间的因果推断,但当存在未观测的隐变量和选择变量时,这种图模型往往无法正确描述观测变量间的因果关系。作者利用在观测变量上构造的最大祖先图模型刻画观测变量间的独立性关系和因果结构,并提出了具体的实现算法,从而可由观测数据来推断这类不完全观测下的部分因果关系。     

基于因子分析的因果推断研究

针对反事实框架下的因果推断问题,在因子分析视角下,从优化角度提出利用 L2 因子分析方法估计反事实值,并引入 L1 损失函数优化 L1 风险;结合因果推断与正交因子模型,将面板数据中需要估计的反事实值视作缺失值,从而把因果推断反事实值估计转变为带有缺失值的潜在因子模型估计;舍弃面板数据中的缺失值,通过优化一步得到潜在结果与平均处理效应,避免了信息丢失问题;采用 L1 因子分析代替 L2因子分析来估计模型,做出稳健性上的改进,并获得中位数处理效应;介绍了一种交替凸优化算法解决 L1 、L2 因子分析中的目标函数最小化问题,并给出其具体实现步骤;对于加利福尼亚州限制烟草政策案例做了实证研究,将 L1 、L2 因子分析与已有因果推断方法进行比较分析,结果表明:因子模型的 L1 、L2 估计量同样适用于宏观经济变量预测;最后通过设置伪实验组与伪介入的假设,验证了 L1 因子分析较其他方法具有更稳健的预测效果。     

强可忽略处理分配下因果推断的结构回归模型

建立强可忽略处理分配条件下因果推断的结构回归模型,估计平均处理效应,在正态分布假设下,总体参数的极大似然估计是渐近正态无偏估计,提出的方法可推广到具有误差的一般情形。     

序约束下单向分类方差分析模型的Bayes变量选择

考虑序约束下单向分类方差分析模型的变量选择问题,提出两种基于SSVS的Bayes变量选择方法,并设计一种简单且易操作的Gibbs抽样算法进行后验抽样.数值模拟和应用实例结果表明,该方法效果较好.     

线性模型下基于AIC准测的Bayes变量选择

讨论了线性模型下Bayes变量选择问题。通过用AIC准则来修正经典的Bayes变量选择方法,构造修正后的子模型后验分布,并且通过仿真计算验证,修正后的后验分布可以提高变量选择精度。     

基于遗传算法的因果图网络结构学习

在因果图理论中,采用了图形化和直接因果强度来表达知识和因果关系,它克服了贝叶斯网的一些不足,已发展成了一个能够处理离散变量和连续变量的混合模型.但是因果图的结构得由领域专家给出,这在实际中很难办到.鉴于因果图结构的复杂度随论域中节点个数的增加呈指数上升,寻找最有可能因果图网络结构成为了NP-HARD难题.文中给出了如何利用已知数据集,寻找最有可能的因果图网络结构设计的遗传算法（Genetic Algorithm,GA）.     

基于因果图的贝叶斯网络

在贝叶斯网络中引入了因果图的理论,提出了一种基于因果图的贝叶斯网络,经实验证明,很好地解决了贝叶斯网络中的问题,在现实中有着重要的应用价值.     

基于粗糙集理论和因果图的故障诊断

【目的】复杂系统发生故障时会导致许多冗余信息产生,以此建立的因果图模型结构复杂,推理难度较大,针对这个问题提出了基于粗糙集和因果图理论的故障诊断方法。【方法】先根据历史故障数据建立决策表,利用粗糙集理论对决策表进行属性约简得到最小决策表,再根据最小决策表对原始因果图进行约简,最后利用约简后的因果图模型进行故障诊断推理。【结果】从一定程度上降低了因果图模型的复杂程度,从而提升了推理速度。【结论】以某电网为例应用此方法,因果图模型的确得到了简化,样本检验结果也与实际结果一致,说明了该方法的可行性和准确性。     

协变量缺失下基于结构EM算法因果网模型选择

针对NSCOT数据,选用了结构EM算法对模型进行选择。经过具体的计算和分析得到结论,一个人的身体素质和运送到医院的时间都会对患者的生存产生直接的影响,而受伤的严重程度只对患者的生存产生间接的影响。     

基于隐变量分析的高校质量评估模型构建

以政府职能部门和社会机构为主体进行的高校质量评估,多采用德尔菲法和层次分析法构建指标体系,运用加权求和方法计算总得分.将高校质量视为隐含且随机的变量,建立其与显变量的结构模型,采用极大似估计方法求解,并对参数估计值及整个模型进行检验.根据模型的输出结果,计算各指标的权重,从而得到各高校质量的相对优劣.     

Causal Inference in Graph-Text Constellations:Designing Verbally Annotated Graphs

Multimodal documents combining language and graphs are wide-spread in print media as well as in electronic media.One of the most important tasks to be solved in comprehending graph-text combinations is construction of causal chains among the meaning entities provided by modalities.In this study we focus on the role of annotation position and shape of graph lines in simple line graphs on causal attributions concerning the event presented by the annotation and the processes (i.e.increases and decreases) and states (no-changes) in the domain value of the graphs presented by the process-lines and state-lines.Based on the experimental investigation of readers’ inferences under different conditions,guidelines for the design of multimodal documents including text and statistical information graphics are suggested.One suggestion is that the position and the number of verbal annotations should be selected appropriately,another is that the graph line smoothing should be done cautiously.     

基于隐马尔可夫模型的协作频谱检测策略

频谱检测是认知无线电的基础和关键技术,将其建模为隐马尔可夫模型(hidden Markov model,HMM),并由此提出基于隐马尔可夫模型的协作频谱检测策略.该策略首先使用Baum-Welch法对HMM的系统参数进行最大似然估计;然后基于HMM模型,利用各次用户的检测信息以及过去信道状态的后验概率信息进行贝叶斯推理,更新当前时隙信道状态的后验概率;最后根据最大后验概率准则对当前时隙的信道状态进行最终判决.使用后验概率,该策略可进一步估计系统协作检测的性能,在满足系统协作检测性能要求的前提下,选择尽可能少的、检测性能较优的次用户来参与协作,以节约开销和降低复杂度.仿真实验表明,所提出的策略的系统检测性能优于基于大数判决、似然比和Chair-Varshney准则的协作频谱检测策略.     

结合定性知识的定量贝叶斯模型外推方法 

针对新设计域中试验数据有限而难以进行模型验证的问题,提出了定性知识与定量贝叶斯推理相结合的模型外推方法.其中,量化方法用于将领域专家意见等定性知识转化为先验概率;贝叶斯网络及限定抽样范围的蒙特卡罗方法用于定量推理,并通过贝叶斯区间假设检验的贝叶斯可信度提供模型外推结果.对Sandia国家实验室某静态力学结构的研究表明,该方法能有效实现新设计域不确定性系统的模型可信度外推.     

判别分析中基于总体可分性的变量选择

讨论了判别分析中变量选取的方法，文中首先定义了反映总体间区另别的总体可分性，然后在此基础上给出了总体可分性函数，并且讨论了该函数的三个性质，根据此函数可以定义一个判别变量选取的目标函数，最后给出了可行的选取判别变量的算法过程。     

不同被解释变量选择对决定系数R2的影响研究

考虑了一元线性回归模型中不同被解释变量选择对决定系数的影响，在一定条件下，证明了不同被解释变量回归模型的决定系数存在特定关系。     

语音识别中HMM与自组织神经网络结合的混合模型

基于隐马尔可夫模型和自组织神经网络模型提出了一种用于语音识别的混合模型,给出了训练调整权向量的算法,实验结果表明其在语音识别中具有很好的性能·     

与观测信息相关的二阶隐马尔可夫模型的参数估计

给出了在观测噪声和马尔可夫链不相互独立的条件下与观测信息相关的二阶隐马尔可夫模型的结构及改进模型的前向后向算法与Baum-Welch算法,并导出了改进模型的参数估计公式.     

推理网络对布尔检索的描述与改进

基于布尔检索的基本特征和推理网络的基本结构及表示方法,运用推理网络对布尔检索进行描述,从概率检索角度出发将推理网络与传统的布尔检索结合起来．利用连接矩阵将权重加入布尔检索中,从而克服了严格二进制索引的不足,并初步实现了文件的相关性排列,且对改进后的系统作了描述和总结．     

关于任意同分布随机变量序列最大值不等式及应用

设{X,Xn,n≥1}是同分布的随机变量序列(不必独立),记部分和Sn=∑ni=1Xi,n≥1。获得了max1≤k≤n︱Sk︱/n1/p的尾概率的一个上界,其中0p1。作为一个应用,给出了正则和极大值函数sup n≥1︱Sk︱/n1/p的r(r0)阶矩存在的充分条件,推广了独立情形相应的结果。