基于非稳态加性噪声模型的因果发现算法 被引量：1

1

作者 郝志峰 丁凯培 +1 位作者 蔡瑞初 陈薇 《计算机工程》 CAS CSCD 北大核心 2024年第4期78-86,共9页

因果发现旨在通过观测数据挖掘变量间的因果关系。现有的因果发现方法大多假定数据的产生过程是平稳的,然而在实际环境下往往不满足稳态假设,导致结果不可靠。研究发现,在一些场景中的非稳态扰动与时序信息高度相关。因此,在加性噪声模... 因果发现旨在通过观测数据挖掘变量间的因果关系。现有的因果发现方法大多假定数据的产生过程是平稳的,然而在实际环境下往往不满足稳态假设,导致结果不可靠。研究发现,在一些场景中的非稳态扰动与时序信息高度相关。因此,在加性噪声模型基础上将非稳态扰动刻画为一项关于时序信息的函数,设计非稳态加性噪声模型,并给出非稳态加性噪声模型的识别条件,提出一种两阶段的因果关系学习算法。第1阶段利用回归计算得到变量残差,再检验残差与回归特征集的独立性从而选出叶子节点,迭代得到观测变量集的因果次序;第2阶段再次进行回归计算和独立性检验,消除第1阶段中冗余的因果关系,从而得到观测变量集的因果结构。实验结果表明,与基于约束的异构/非平稳因果发现、LPCMCI和Ti MINo算法相比,该算法在仿真数据集上取得了最优的效果,平均F1值达到0.85;而在真实因果结构数据集中,该算法的F1值平均提升41.12%,能够从非稳态数据集中恢复出更多因果结构的信息。 展开更多

关键词 因果发现 因果结构 非稳态扰动 加性噪声模型 函数式因果模型

在线阅读 下载PDF 职称材料

基于级联加性噪声模型的因果结构学习算法 被引量：3

2

作者 乔杰 蔡瑞初 郝志峰 《计算机工程》 CAS CSCD 北大核心 2022年第1期93-98,共6页

现有级联非线性加性噪声模型可解决隐藏中间变量的因果方向推断问题,然而对于包含隐变量和级联传递因果关系的因果网络学习存在全局结构搜索、等价类无法识别等问题。设计一种面向非时序观测数据的两阶段因果结构学习算法,第一阶段根据... 现有级联非线性加性噪声模型可解决隐藏中间变量的因果方向推断问题,然而对于包含隐变量和级联传递因果关系的因果网络学习存在全局结构搜索、等价类无法识别等问题。设计一种面向非时序观测数据的两阶段因果结构学习算法,第一阶段根据观测数据变量间的条件独立性,构建基本的因果网络骨架,第二阶段基于级联非线性加性噪声模型,通过比较骨架中每个相邻因果对在不同因果方向假设下的边缘似然度进行因果方向推断。实验结果表明,该算法在虚拟因果结构数据集的不同隐变量数量、平均入度、结构维度、样本数量下均表现突出,且在真实因果结构数据集中的F1值相比主流因果结构学习算法平均提升了51%,具有更高的准确率和更强的鲁棒性。 展开更多

关键词 因果结构学习 加性噪声模型 级联加性噪声模型 因果发现 函数式因果模型

在线阅读 下载PDF 职称材料

基于加性噪声模型的基因调控网络构建算法 被引量：1

3

作者 王春宇 宋建春 +2 位作者 郭茂祖 邢林林 刘晓燕 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2015年第11期22-26,52,共6页

为在统计推断方法通过相关性来筛选基因对时,能够体现调控关系的因果性,受因果定向算法能够有效定向调控关系的启发,将加性噪声模型与因果定向算法相结合,用基于加性噪声的定向算法度量因果关系的程度,提出了一种基因调控网络构建的算法... 为在统计推断方法通过相关性来筛选基因对时,能够体现调控关系的因果性,受因果定向算法能够有效定向调控关系的启发,将加性噪声模型与因果定向算法相结合,用基于加性噪声的定向算法度量因果关系的程度,提出了一种基因调控网络构建的算法.该算法首先将加性噪声模型的因果定向算法扩展为一个特征选择算法,并通过建立调控因子集合与每个基因间的加性噪声模型来选择基因的调控因子.在DREAM5的3个数据集上的实验结果显示,结果比其他算法有明显提升,该算法可有效构建基因调控网络. 展开更多

关键词 加性噪声模型 因果定向 基因调控网络 特征选择

在线阅读 下载PDF 职称材料

基于加性噪声模型的缺失数据因果推断

4

作者 蔡瑞初 郑聪 +2 位作者 郝志峰 乔杰 温雯 《计算机应用研究》 CSCD 北大核心 2018年第1期69-73,共5页

推断数据间存在的因果关系是很多科学领域中的一个基础问题,然而现在暂时还没有快速有效的方法对缺失数据进行因果推断。为此,提出一种基于加性噪声模型下适应缺失数据的因果推断算法。该算法是基于加性噪声模型下利用最大似然估计法结... 推断数据间存在的因果关系是很多科学领域中的一个基础问题,然而现在暂时还没有快速有效的方法对缺失数据进行因果推断。为此,提出一种基于加性噪声模型下适应缺失数据的因果推断算法。该算法是基于加性噪声模型下利用最大似然估计法结合加权样本修复数据的思想构造以似然函数形式的模型评分函数,并以此度量模型相对于缺失数据集的优劣程度,通过迭代学习确定因果方向,每次迭代学习包括使用参数修复数据和在修复后的完整数据集下估计参数。该方法既解决了加性噪声模型中映射函数的参数学习困难性问题,又避免了现有学习方法所存在的主要问题。实验表明,在数据缺失比例扩大的情况下该算法仍具有较高的识别能力。 展开更多

关键词 加性噪声模型 因果推断 缺失数据 最大似然估计 评分函数 贝叶斯网络

在线阅读 下载PDF 职称材料

SAR图像乘性噪声模型分析 被引量：16

5

作者 高贵 张军 +3 位作者 吕信明 周蝶飞 黄纪军 蒋咏梅 《信号处理》 CSCD 北大核心 2008年第2期161-167,共7页

从SAR相干成像的物理散射机制出发,SAR乘性噪声模型认为SAR图像的每个分辨单元强度是由该单元中地物的RCS被一个强度服从单位均值(均值为1)指数分布的乘性噪声调制而成。即可以认为SAR图像是场景中地物的RCS和单位均值指数强度分布噪声... 从SAR相干成像的物理散射机制出发,SAR乘性噪声模型认为SAR图像的每个分辨单元强度是由该单元中地物的RCS被一个强度服从单位均值(均值为1)指数分布的乘性噪声调制而成。即可以认为SAR图像是场景中地物的RCS和单位均值指数强度分布噪声的乘积。利用实测SAR图像数据库,首先证实了SAR图像中乘性噪声模型比加性噪声模型更合理。然后,在每个目标/姿态区间提取图像模板,估计每个目标切片对应的乘性噪声,对每类目标的乘性噪声分布进行直方图拟合,并采用拟合优度检验评估了拟合精度,结果表明:乘性噪声确实能用单位均值指数分布较精确描述,这也进一步证实了乘性噪声模型的正确性。最后,给出了分辨率变化(9.6m～0.3m不同)和视角变化(两种不同的视角)时单位均值指数分布对SAR乘性噪声直方图的拟合实验,结果表明单位均值指数分布对于分辨率参数和视角参数变化的情况下都是SAR乘性噪声的较精确模型。 展开更多

关键词 合成孔径雷达 乘性噪声模型 加性噪声模型

在线阅读 下载PDF 职称材料

基于因果自回归流模型的因果结构学习算法

6

作者 卢小金 陈薇 +1 位作者 郝志峰 蔡瑞初 《计算机工程》 CAS CSCD 北大核心 2024年第3期131-136,共6页

因果自回归流模型已经在非独立噪声等场景的因果方向推断问题上取得了一定的进展,但在多个结点的场景下仍存在全局结构搜索带来的准确度低和计算时间复杂度高的问题。面向非时序观察数据设计一种两阶段因果结构学习算法。在第一阶段,基... 因果自回归流模型已经在非独立噪声等场景的因果方向推断问题上取得了一定的进展,但在多个结点的场景下仍存在全局结构搜索带来的准确度低和计算时间复杂度高的问题。面向非时序观察数据设计一种两阶段因果结构学习算法。在第一阶段,基于观测数据的条件独立性,对完全无向图通过条件独立性检验得到基本的因果骨架;在第二阶段,基于因果自回归流模型,通过标准化流的方法计算骨架中每条无向边在不同方向上的边缘似然概率,进而通过比较边缘似然概率进行因果方向推断。实验结果表明:该算法在多组不同参数生成的仿真因果结构数据集上均有较好的表现,与现有的主流因果结构学习算法相比,F1值平均提升15%~28%;在真实因果结构数据集实验中,该算法能够较为完整准确地学习到变量间的因果关系,与主流的因果结构学习算法相比,F1值平均提升28%~48%,具有更强的鲁棒性。 展开更多

关键词 因果结构学习 因果发现 加性噪声模型 因果自回归流模型 标准化流

在线阅读 下载PDF 职称材料

低精度ADC下无小区大规模MIMO系统的频谱效率研究 被引量：1

7

作者 肖海林 何怡玲 +2 位作者 谢湘伟 胡智群 张中山 《信号处理》 CSCD 北大核心 2024年第8期1520-1530,共11页

无小区大规模多输入多输出(cell-free massive multiple-input multiple-output,CF-mMIMO)系统的覆盖区域内随机部署了大量分布式接入点(access points,APs)在同一时间频率资源中服务所有的用户,可显著提升系统通信容量,是6G网络中最具... 无小区大规模多输入多输出(cell-free massive multiple-input multiple-output,CF-mMIMO)系统的覆盖区域内随机部署了大量分布式接入点(access points,APs)在同一时间频率资源中服务所有的用户,可显著提升系统通信容量,是6G网络中最具潜力的使能技术之一。然而,大量AP处配备高精度模数转换器(analog-to-digital converters,ADCs)导致的高功耗与硬件成本,限制了CF-mMIMO系统的实际部署。为了有效地降低硬件成本,本文研究了低精度ADCs下CF-mMIMO系统的上行链路频谱效率(spectral efficiency,SE)。在不完美的信道估计下,利用加性量化噪声(additive quantization noise model,AQNM)模型和最大比合并(maximal ratio combining,MRC)接收机滤波器,推导了CF-mMIMO系统中用户上行可达速率的闭式表达式,并基于该表达式分析了AP数量、用户传输功率以及ADCs精度等系统参数对SE的影响。为了最大化CF-mMIMO系统的SE,提出了一种低精度ADCs下贪婪导频分配算法抑制导频污染。将导频分配建模为最大-最小导频优化问题,通过迭代更新速率最小用户的导频序列,使其所受导频污染的影响最小,从而最大化该用户的可达速率。最后,将配备低精度ADC的CFmMIMO系统与传统完美精度ADC系统进行性能比较。数值仿真结果表明,系统配备5位低精度ADCs时的SE逼近完美精度ADCs,增加AP端天线数可以弥补低精度ADCs导致的性能退化。此外,所提算法不仅有效抑制了导频污染,还缩小了用户之间的速率差距,提升了系统的95%用户SE。 展开更多

关键词 无小区大规模MIMO系统 低精度模数转换器 加性量化噪声模型 导频分配

在线阅读 下载PDF 职称材料

基于非时序观察数据的因果关系发现综述 被引量：44

8

作者 蔡瑞初 陈薇 +1 位作者 张坤 郝志峰 《计算机学报》 EI CSCD 北大核心 2017年第6期1470-1490,共21页

探索和发现事物间的因果关系是数据科学的一个核心问题,其中蕴含着丰富的科学发现机会和巨大的商业价值.基于非时序观察数据的因果关系发现方法能够从被动观察获得的数据中发现变量之间的因果关系,因而在各领域有广泛应用.这一类方法在... 探索和发现事物间的因果关系是数据科学的一个核心问题,其中蕴含着丰富的科学发现机会和巨大的商业价值.基于非时序观察数据的因果关系发现方法能够从被动观察获得的数据中发现变量之间的因果关系,因而在各领域有广泛应用.这一类方法在过去三十年取得很大进展,已经成为因果关系发现的重要途径.文中从因果关系方向推断、高维数据上的误发现率控制和不完全观察数据上的隐变量检测这三个研究热点出发,对现有的因果关系模型与假设、基于约束的方法、基于因果函数模型的方法和混合型方法这三大类方法,验证与测评涉及的数据集及工具等方面进行了详尽的介绍与分析.基于约束的方法主要包括因果骨架学习和因果方向推断两个阶段:首先基于因果马尔可夫假设,采用条件独立性检验学习变量之间的因果骨架,然后基于奥卡姆剃刀准则利用V-结构确定因果方向,典型的算法有Peter-Clark算法、Inductive Causation等,这类方法的主要不足是存在部分无法判断的因果关系方向,即存在Markov等价类难题.基于因果函数模型的方法则基于数据的因果产生机制假设,在构建变量之间的因果函数模型的基础之上,基于噪声的非高斯性、原因变量与噪声的独立性、原因变量分布与因果函数梯度的独立性等因果假设推断变量之间的因果关系方向,典型的算法有针对线性非高斯无环数据的Linear NonGaussian Acyclic Model算法、针对后非线性数据的Post-NonLinear算法、适用于非线性或离散数据的Additive Noise Model等,这类方法的主要不足是需要较为严格的数据因果机制假设,且Additive Noise Model等方法主要适用于低维数据场景.混合型方法则希望充分发挥基于约束的方法和基于因果函数类方法的优势,分别采用基于约束的方法进行全局结构学习和基于因果函数模型进行局部结构学习和方向推断,典型的算法有SADA、MCDSL等,理论分析较为不足是这类方法目前遇到的主要困难.最后,文中还基于研究现状分析讨论了因果方向推断、高维数据上的误发现率控制、隐变量发现、与机器学习的关系等未来可能的研究方向. 展开更多

关键词 因果关系 因果关系发现 观察数据 结构学习 加性噪声模型 人工智能 机器学习

在线阅读 下载PDF 职称材料

基于小波包与自适应预测器的音频隐写分析方法

9

作者 王昱洁 郭立 +1 位作者 王翠平 丁治国 《中国科学院研究生院学报》 CAS CSCD 北大核心 2010年第1期49-54,共6页

提出一种基于小波包与自适应预测器的音频隐写分析方法,主要用于检测加性噪声模型.利用加性噪声对音频高频部分比低频部分影响显著的特点,对音频信号进行小波包分解;然后利用最小均方(LMS)自适应预测器对高频小波包系数进行预测,选取预... 提出一种基于小波包与自适应预测器的音频隐写分析方法,主要用于检测加性噪声模型.利用加性噪声对音频高频部分比低频部分影响显著的特点,对音频信号进行小波包分解;然后利用最小均方(LMS)自适应预测器对高频小波包系数进行预测,选取预测误差的统计量作为统计特征;最后采用支持向量机分类.实验证明,对于常用的加性噪声隐写方法,即使在嵌入强度或嵌入率较低的情况下,也能达到较高的分类准确率. 展开更多

关键词 加性噪声模型 音频隐写分析 小波包分解 自适应预测 支持向量机

在线阅读 下载PDF 职称材料

基于结构方程似然框架的缺失值因果学习算法

10

作者 郝志峰 喻建华 +1 位作者 乔杰 蔡瑞初 《计算机工程》 CAS CSCD 北大核心 2023年第12期63-70,共8页

探索事物之间的因果关系是数据科学的核心问题。在实际场景中,缺失值的存在给基于约束的方法和基于结构方程模型的方法带来巨大挑战。现有的缺失值因果学习方法虽然可以处理随机缺失数据上的因果结构学习问题,但是对于非随机缺失数据,... 探索事物之间的因果关系是数据科学的核心问题。在实际场景中,缺失值的存在给基于约束的方法和基于结构方程模型的方法带来巨大挑战。现有的缺失值因果学习方法虽然可以处理随机缺失数据上的因果结构学习问题,但是对于非随机缺失数据,学习因果结构网络中的因果对和马尔可夫等价类结构以及校正因缺失导致错误因果方向等仍未得到解决。为此,基于结构方程似然框架提出新的缺失值因果学习算法MV-SELF。利用非线性加性噪声模型的条件概率分布可以转换为噪声分布表示性质,设计一种基于最大化似然的评分,实现基于评分的因果结构搜索框架。同时,为解决非随机缺失下的因果结构学习问题,利用逆概率加权校正工具来恢复缺失数据的联合分布,从而校正因缺失导致的冗余边和错误因果方向,实现对缺失数据上的高维因果结构搜索。仿真实验结果表明,相比TD-PC、MVPC、Structure EM算法,MV-SELF的F1值提高了3%~19%,能有效区分马尔可夫等价类。 展开更多

关键词 结构方程似然框架 缺失数据 逆概率加权 因果方向学习 加性噪声模型

在线阅读 下载PDF 职称材料

基于全局和局部回归的因果定向改进算法 被引量：2

11

作者 潘孟姣 蔡青松 《计算机应用与软件》 北大核心 2018年第10期238-244,共7页

从观测数据中探索和发现蕴含在变量间的因果关系是大数据时代的基本任务之一,它将在未来各种数据驱动应用中发挥关键作用。推断观测数据间因果关系的方向是此任务的一类基础问题。最近研究表明基于最小描述长度MDL(minimum description ... 从观测数据中探索和发现蕴含在变量间的因果关系是大数据时代的基本任务之一,它将在未来各种数据驱动应用中发挥关键作用。推断观测数据间因果关系的方向是此任务的一类基础问题。最近研究表明基于最小描述长度MDL(minimum description length)的全局和局部回归(GLR)算法具有较高的推断准确率及较广的适用性。然而,在GLR模型中由于冗余模型的存在而严重限制了该算法的效率。为避免模型冗余,根据模型的不同特征采取分别构建GLR模型的方法,并在此基础上提出一个改进的用于因果定向的ISLOPE算法。实验结果表明,在保持原算法准确率近似不变的前提下,该算法有效地节约了运行时间,进而提升了算法效率。 展开更多

关键词 全局/局部回归模型 最小描述长度 模型冗余 因果定向 加性噪声模型

在线阅读 下载PDF 职称材料

基于低精度量化的大规模MIMO-OFDM系统可达速率的研究 被引量：3

12

作者 陶成 郑文博 +1 位作者 李泳志 刘留 《电子与信息学报》 EI CSCD 北大核心 2018年第10期2294-2300,共7页

该文针对大规模MIMO-OFDM系统,研究当基站端仅配备低精度模数转换器且采用最大比合并(MRC)接收算法时系统中用户可达速率的性能。通过采用加性量化噪声模型(AQNM)将非线性量化函数转化为线性量化函数,首先推导得出用户上行可达速率的闭... 该文针对大规模MIMO-OFDM系统,研究当基站端仅配备低精度模数转换器且采用最大比合并(MRC)接收算法时系统中用户可达速率的性能。通过采用加性量化噪声模型(AQNM)将非线性量化函数转化为线性量化函数,首先推导得出用户上行可达速率的闭式表达式。然后基于此表达式,将具备低精度模数转换器系统与传统具有无穷精度的模数转换器系统性能进行分析比较。最后将该文所得到的结果进行仿真分析。同时,该文还指出通过增加基站端天线数目可以弥补由于低精度模数转换器所造成的系统性能的损失。 展开更多

关键词 MIMO—OFDM 低精度量化 加性量化噪声模型 可达速率

在线阅读 下载PDF 职称材料