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 A lgorithm,GA).

基于因果推断肺癌患者生存时间预测方法

医学上常用回归的方法评估肿瘤患者的生存时间,但有一定的局限性。为了提高回归结果,提出一种基于因果推断的患者生存时间预测方法(MRCI-DNN)。采用因果推断算法构建病理因素与患者生存时间的因果网络结构图,从因果网络结构图中筛选主要因素,并结合深度神经网络模型预测生存时间。实验表明,肺癌分期、放化疗、吸烟、PLR、肺癌类型及NLR是影响肺癌患者生存时间的主要因素。通过实验对比,基于因果推断方法筛选主要因素应用在深度神经网络预测上要优于其他选择特征方法。

融合多特征与时间序列的人群行为识别模型

人群行为识别在公共安全等领域具有重要的应用价值.现有研究分别考虑了人群情绪、人群类型、人群密度以及人群社会文化环境等因素对于人群行为的影响,但少有综合考虑这些因素的模型,导致模型性能受限.本文综合考虑人群的物理特征、社交特征、情绪人格特征和文化背景特征之间的相关性,以及相结合之后对人群行为的影响,提出一种融合多特征与时间序列的人群行为识别模型.模型采用两个并行的网络层分别处理多特征相关性和时间序列依赖性对于人群行为的影响,同时为提高模型可解释性,网络层采用融合结构因果模型(SCM)与图神经网络(GNN)的因果图网络(CGN).通过在运动情感数据集(MED)上进行实验并与其他方法模型进行对比,证明了本文方法能够成功识别人群行为,并且优于目前最先进的方法.

Dynamic performance management system

An integrated, efficient and effective performance management system, ＂dynamic performance management system＂, is presented, which covers the entire performance management process including measures design, analysis, and dynamic update. The analysis of performance measures using causal loop diagrams, qualitative inference and analytic network process is mainly discussed. A real world case study is carried out throughout the paper to explain how the framework works. A software tool for DPMS, Performance Analyzer, is also introduced.