-
题名基于马尔科夫边界发现的因果特征选择算法综述
被引量:3
- 1
-
-
作者
吴兴宇
江兵兵
吕胜飞
王翔宇
陈秋菊
陈欢欢
-
机构
中国科学技术大学计算机科学与技术学院
杭州师范大学信息科学与工程学院
南洋理工大学计算机科学与工程学院
中国科学技术大学信息科学技术学院
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2022年第5期422-438,共17页
-
基金
国家科技创新2030——“新一代人工智能”重大项目(No.2021ZD0111700)
国家自然科学基金项目(No.62137002,62006065)
+2 种基金
安徽省重点研发计划项目(No.202104a05020011)
安徽省科技重大专项项目(No.202103a07020002)
中央高校基本科研业务费专项资金(No.WK2150110019,WK2100000027)资助。
-
文摘
因果特征选择算法(也称为马尔科夫边界发现)学习目标变量的马尔科夫边界,选择与目标存在因果关系的特征,具有比传统方法更好的可解释性和鲁棒性.文中对现有因果特征选择算法进行全面综述,分为单重马尔科夫边界发现算法和多重马尔科夫边界发现算法.基于每类算法的发展历程,详细介绍每类的经典算法和研究进展,对比它们在准确性、效率、数据依赖性等方面的优劣.此外,进一步总结因果特征选择在特殊数据(半监督数据、多标签数据、多源数据、流数据等)中的改进和应用.最后,分析该领域的当前研究热点和未来发展趋势,并建立因果特征选择资料库(http://home.ustc.edu.cn/~xingyuwu/MB.html),汇总该领域常用的算法包和数据集.
-
关键词
马尔科夫边界
特征选择
因果学习
因果特征选择
贝叶斯网络
马尔科夫毯
-
Keywords
Markov Boundary
Feature Selection
Causal Learning
Causal Feature Selection
Bayesian Network
Markov Blanket
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于循环神经网络的在线动态网络嵌入算法
被引量:1
- 2
-
-
作者
黄海威
何慧敏
吕胜飞
-
机构
中国科学技术大学计算机科学与技术学院
-
出处
《计算机应用与软件》
北大核心
2022年第9期307-315,共9页
-
文摘
网络嵌入旨在为网络中的节点学习低维的向量表示。大部分现有算法只适用于静态网络,然而对于现实世界不断增长的网络需要重新训练,降低了方法的可用性。对此提出循环网络嵌入(Recurrent Neural Network Embedding,RNNE)来处理在线动态网络。为了解决网络规模可能频繁改变的问题,RNNE在网络中添加了独立的虚拟点保持网络在不同时间点规模的统一。同时,RNNE在嵌入时兼顾了网络的静态和动态特征,一方面通过节点间的连边和邻居的相似度来保持网络的局部和全局结构,另一方面通过传递先前时刻的嵌入信息来减少噪音的影响。RNNE在5个数据集上与其他几个最新的算法进行了测试和比较,结果表明RNNE相比于这些算法在重构、节点分类和链路预测上具有更大的优势。
-
关键词
网络表示学习
神经网络
动态网络
-
Keywords
Network representation learning
Neural network
Dynamic network
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-