关键词：因果结构学习 高维数据 低阶 条件独立测试 

摘要：基于条件约束的方法可从数据集中学习到变量间的因果关系,并构建出因果网络图.但是在高维数据情况下,基于条件约束方法的缺点是准确率较低且耗时多,从而严重影响此类方法在高维数据中的应用推广.因此,本文提出了一种基于低阶条件独立测试的因果网络结构学习方法,采用低阶条件独立测试来加速构建因果粗糙骨架;利用分裂−合并策略把高维网络分裂成若干个子网络,并进行因果网络结构学习以提高其准确率;最后整合成完整的因果网络图.实验结果均验证了该方法的可行性.

广东工业大学学报杂志要求:

{1}图像要求足够清晰，数量可达20～30幅，并贯穿文字说明和评析。

{2}文稿内容应包括：文章题名、作者署名、作者单位、摘要、关键词、引言、正文、结束语或结论、参考文献等。

{3}来稿一经接受刊登，由作者亲笔签署论文专有使用权授权书，该论文的专有使用权即归本刊编辑部所有。

{4}属于课题基金项目的成果或论文，请在首页注明基金项目类别、课题项目名称及编号。如有鸣谢文字请附于文末。

{5}关键词应有3～5个。词与词之间用分号分隔。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社