-
题名因素空间理论下的因果概率推理分类算法研究
- 1
-
-
作者
曾繁慧
胡光闪
孙慧
汪培庄
-
机构
辽宁工程技术大学理学院
辽宁工程技术大学智能工程与数学研究院
-
出处
《智能系统学报》
CSCD
北大核心
2024年第4期1042-1051,共10页
-
基金
辽宁省教育厅资助项目(JYTQN2023210,LJKZZ20220047)
阜新市社会科学课题(2023Fsllx154,2023Fsllx017)
-
文摘
机器学习方法与因果推理结合能极大地提升方法性能。为探究因果概率正逆向推理的分类效果,基于因素空间理论下的因素概率论,利用条件概率,研究正向因素概率推理原理及模型并提出正向因果概率推理分类法(forward causal probabilistic inference classification algorithm,FCPIC)和简化条件的可取度分类法;研究逆向因素概率推理原理及模型并结合贝叶斯网络提出逆向因果概率推理分类法(reverse causal probabilistic inference classification algorithm,RCPIC)。将3个分类算法与KNN(K-Nearest neighbor)和SVM(support vector machine)算法进行实例对比验证,研究结果表明:FCPIC算法、可取度分类算法和RCPIC算法简单有效、具有可行性和实用性,且可取度分类法和RCPIC算法性能优于SVM和KNN算法,FCPIC算法对实际数据预测中必要类有查全需求的情况更优。研究结论丰富了因素空间的理论研究和应用价值。
-
关键词
因素空间
因果概率推理分类法
可取度分类法
贝叶斯网络
因素概率论
条件概率
因果关系
人工智能
-
Keywords
factor space
causal probabilistic inference taxonomy
desirability taxonomy
Bayesian network
factor probability theory
conditional probability
causality
artificial intelligence
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
