期刊文献+
共找到124篇文章
< 1 2 7 >
每页显示 20 50 100
Causal inference with marginal structural modeling for longitudinal data in laparoscopic surgery: A technical note
1
作者 Zhongheng Zhang Peng Jin +7 位作者 Menglin Feng Jie Yang Jiajie Huang Lin Chen Ping Xu Jian Sun Caibao Hu Yucai Hong 《Laparoscopic, Endoscopic and Robotic Surgery》 2022年第4期146-152,共7页
Causal inference prevails in the field of laparoscopic surgery.Once the causality between an intervention and outcome is established,the intervention can be applied to a target population to improve clinical outcomes.... Causal inference prevails in the field of laparoscopic surgery.Once the causality between an intervention and outcome is established,the intervention can be applied to a target population to improve clinical outcomes.In many clinical scenarios,interventions are applied longitudinally in response to patients’conditions.Such longitudinal data comprise static variables,such as age,gender,and comorbidities;and dynamic variables,such as the treatment regime,laboratory variables,and vital signs.Some dynamic variables can act as both the confounder and mediator for the effect of an intervention on the outcome;in such cases,simple adjustment with a conventional regression model will bias the effect sizes.To address this,numerous statistical methods are being developed for causal inference;these include,but are not limited to,the structural marginal Cox regression model,dynamic treatment regime,and Cox regression model with time-varying covariates.This technical note provides a gentle introduction to such models and illustrates their use with an example in the field of laparoscopic surgery. 展开更多
关键词 causal inference Laparoscopic surgery Machine learning Marginal structural modeling
下载PDF
Application of Structural Equation Modelling in Construction Management Research
2
作者 Sia Mal Kong Christy Pathrose Gomez Zuhairi ABD. Hamid 《Journal of Civil Engineering and Architecture》 2010年第2期47-70,共24页
This paper, based on Deming's quality management (QM) theory embodied in ISO 9001, uses structural equation modelling (SEM) in a construction management research. Based on 100 usable responses collected from a na... This paper, based on Deming's quality management (QM) theory embodied in ISO 9001, uses structural equation modelling (SEM) in a construction management research. Based on 100 usable responses collected from a nationwide survey carried out from 14th February to 30th May 2008 on all key players in the Malaysian construction value chain, this paper aims to: (a) validate the dimensions of registration efforts to obtain and maintain ISO 9001 certifications; (b) validate the eight QM principles in ISO 9001 for quality management system (QMS) practices; (c) determine the components of organisational improvements experienced as a result of ISO 9001 certifications in terms of company competitiveness, customer satisfaction, and business performance; and (d) investigate the causal relationships among registration efforts, QMS practices, company competitiveness, customer satisfaction, business performance of ISO 9001-certified companies. The knowledge gained from the application of SEM is an important contribution to the body of theoretical literature in QM. 展开更多
关键词 causal relationships ISO 9001 quality management system registration efforts structural equation modelling.
下载PDF
基于非稳态加性噪声模型的因果发现算法
3
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
下载PDF
因果关系表示增强的跨领域命名实体识别
4
作者 刘小明 曹梦远 +2 位作者 杨关 刘杰 王杭 《计算机工程与应用》 CSCD 北大核心 2024年第18期176-188,共13页
跨领域命名实体识别在现实应用中,尤其在目标领域数据稀缺的小样本场景中具有重要价值。然而,现有方法主要是通过特征表示或模型参数共享实现的跨领域实体能力迁移,未充分考虑由于样本选择偏差而引起的虚假相关性问题。为了解决跨领域... 跨领域命名实体识别在现实应用中,尤其在目标领域数据稀缺的小样本场景中具有重要价值。然而,现有方法主要是通过特征表示或模型参数共享实现的跨领域实体能力迁移,未充分考虑由于样本选择偏差而引起的虚假相关性问题。为了解决跨领域中的虚假相关性问题,提出一种因果关系表示增强的跨领域命名实体识别模型,将源域的语义特征表示与目标域的语义特征表示进行融合,生成一种增强的上下文语义特征表示。通过结构因果模型捕捉增强后的特征变量与标签之间的因果关系。在目标域中应用因果干预和反事实推断策略,提取存在的直接因果效应,从而进一步缓解特征与标签之间的虚假相关性问题。该方法在公共数据集上进行了实验,实验结果得到了显著提高。 展开更多
关键词 跨领域命名实体识别 迁移学习 因果关系 结构因果模型 语义特征表示
下载PDF
交通安全意识对非机动车骑行者危险骑行行为的影响研究
5
作者 裴玉龙 龙钰 马丹 《交通信息与安全》 CSCD 北大核心 2024年第1期49-58,66,共11页
安全意识在促进安全行为方面发挥着重要作用,但由于安全意识具有多维性和复杂性,难以直接测量。为探究交通安全意识对危险骑行行为的影响,通过云模型选取安全态度、危险认知、安全素质和外界环境这4个潜变量,作为影响交通安全意识的结... 安全意识在促进安全行为方面发挥着重要作用,但由于安全意识具有多维性和复杂性,难以直接测量。为探究交通安全意识对危险骑行行为的影响,通过云模型选取安全态度、危险认知、安全素质和外界环境这4个潜变量,作为影响交通安全意识的结构要素,并基于调查问卷数据开展实证研究。运用Mplus 8.0软件构建“交通安全意识-危险骑行行为”结构方程模型,量化交通安全意识各要素作用于危险骑行行为的因果链路。采用Bootstrap法检验安全素质、危险认知和安全态度的中介作用,梳理外界环境对危险骑行行为的直接和间接关系;再利用分层回归模型,验证交通安全知识在交通安全意识与危险骑行行为间的调节效应。研究结果表明:①结构方程模型拟合良好,交通安全意识的4个要素分别与危险骑行行为呈显著的负相关,其中,危险认知对无意行为的影响最大(-0.331),安全态度对有意行为的影响最大(-0.332);②中介效应显示外界环境作为外生变量可直接作用于行为,也可通过安全素质、危险认知和安全态度对骑行者的行为产生影响;③交通安全知识的调节作用显著(ΔR^(2)=0.017,P<0.05),该变量强化了交通安全意识与危险骑行行为的负向影响关系,其简单斜率关系表明,当骑行者交通安全知识水平较高时,交通安全意识对危险骑行行为的作用效果更强。 展开更多
关键词 交通安全 安全意识 因果链路 结构方程模型 危险骑行行为
下载PDF
基于因果正则化极限学习机的风电功率短期预测方法
6
作者 杨茂 张书天 王勃 《电力系统保护与控制》 EI CSCD 北大核心 2024年第11期127-136,共10页
随着风电并网比例的逐年提高,电力系统对风电功率预测的准确性和稳定性提出了更高要求。对于同一风电场而言,为了避免不同特征选择方法所选择的风电场特征子集不同,从因果关系的角度出发,提出了一种基于因果正则化极限学习机(causal reg... 随着风电并网比例的逐年提高,电力系统对风电功率预测的准确性和稳定性提出了更高要求。对于同一风电场而言,为了避免不同特征选择方法所选择的风电场特征子集不同,从因果关系的角度出发,提出了一种基于因果正则化极限学习机(causal regularized extreme learning machine, CRELM)的风电功率短期预测方法。首先将极限学习机(extreme learning machine, ELM)建模为结构因果模型(structural causal model, SCM),在此基础上计算隐藏层神经元与输出层神经元之间的平均因果效应向量。然后将该平均因果效应向量与输出层权重相结合构成因果正则化项,在最小化训练误差的同时最大化网络的因果关系,以进一步提升模型的预测准确性和预测稳定性。最后,以国内蒙西某风电场数据为例,与采用特征选择或不采用特征选择的预测模型相对比,验证了所提方法的有效性和适用性。 展开更多
关键词 特征选择 因果正则化 结构因果模型 平均因果效应向量 极限学习机
下载PDF
普惠金融对经济韧性和产业结构升级的影响研究
7
作者 陈妍 贾欣悦 +1 位作者 谢青青 陈爽 《吉林金融研究》 2024年第7期21-25,共5页
普惠金融作为我国金融发展战略“五篇大文章”之一,是未来经济增长的动力所在。在经济因素、政治因素、环境因素不断波动的当下,国家经济体系的发展质量至关重要。本文探究普惠金融与经济韧性和产业结构升级之间的因果关系和动态影响,... 普惠金融作为我国金融发展战略“五篇大文章”之一,是未来经济增长的动力所在。在经济因素、政治因素、环境因素不断波动的当下,国家经济体系的发展质量至关重要。本文探究普惠金融与经济韧性和产业结构升级之间的因果关系和动态影响,对于增强我国经济系统应对外部冲击、实现经济的自我造血有着重要意义。结果表明,普惠金融通过多渠道对经济韧性和产业结构升级产生促进作用,但普惠金融可能因为金融结构不合理和过度金融问题对产业结构升级产生抑制作用。建议加大普惠金融渗透度和使用度、优化对创新创业项目的支持、多样化加强普惠金融供给、优化金融供给侧结构、警惕“金融过度”。 展开更多
关键词 普惠金融 经济韧性 产业结构升级 格兰杰因果分析 VEC模型
下载PDF
基于因果自回归流模型的因果结构学习算法
8
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
下载PDF
基于因果熵的无人集群对抗评估指标分配方法
9
作者 范波 钟季龙 +4 位作者 徐丽霞 吕筱璇 王鹥喆 刘禹 侯新文 《系统工程与电子技术》 EI CSCD 北大核心 2024年第6期2034-2043,共10页
针对传统无人集群对抗评估指标分配方法仅能选出相关性较好的评估指标,存在指标混淆和虚假相关问题,提出因果熵概念,用于度量评估指标和对抗任务完成效果间的确定性程度,从而滤除评估指标之间的混淆效应。以仿真环境下的无人集群空地协... 针对传统无人集群对抗评估指标分配方法仅能选出相关性较好的评估指标,存在指标混淆和虚假相关问题,提出因果熵概念,用于度量评估指标和对抗任务完成效果间的确定性程度,从而滤除评估指标之间的混淆效应。以仿真环境下的无人集群空地协同围捕试验为例,通过评估指标因果分配和约简优选出更能反映无人集群对抗能力且相对独立的评估指标。仿真结果表明,所提方法可以有效地优化评估指标体系,获取更具代表性的评估指标,具有一定的普适性。 展开更多
关键词 结构因果模型 因果熵 指标分配 指标约简 冗余度
下载PDF
基于线性结构因果模型的服务故障传播路径识别
10
作者 李荣宸 姜瑛 姒鉴哲 《现代电子技术》 北大核心 2024年第3期97-101,共5页
在云计算环境中,当一个服务发生故障时,故障会随着服务之间的交互行为不断传播,导致产生大规模服务失效的风险。复杂且动态变化的服务调用关系加大了识别服务故障传播路径的难度。针对该问题,提出一种基于因果图的服务故障传播路径识别... 在云计算环境中,当一个服务发生故障时,故障会随着服务之间的交互行为不断传播,导致产生大规模服务失效的风险。复杂且动态变化的服务调用关系加大了识别服务故障传播路径的难度。针对该问题,提出一种基于因果图的服务故障传播路径识别方法。监测并收集服务的运行数据,通过服务运行数据对服务故障事件完成度量;根据因果图模型推断服务故障事件之间的因果关系并构建服务故障传播图;利用服务故障传播图确定故障传播路径。实验结果表明,该方法能够有效识别服务故障传播路径。 展开更多
关键词 云计算 服务故障 故障传播路径 线性结构因果模型 贝叶斯网络 路径识别
下载PDF
反事实增强的对抗学习序列推荐
11
作者 刘珈麟 贺泽宇 李俊 《计算机系统应用》 2024年第4期235-245,共11页
最近,强化学习技术在序列推荐系统取得成功,它能从用户长期反馈信号中学习有效的推荐策略.然而,模型的激励函数设计面临区分度过低的难题.这限制了模型学习不同用户反馈信号间的价值差异的能力,并导致推荐策略总是次优的.现有工作主要... 最近,强化学习技术在序列推荐系统取得成功,它能从用户长期反馈信号中学习有效的推荐策略.然而,模型的激励函数设计面临区分度过低的难题.这限制了模型学习不同用户反馈信号间的价值差异的能力,并导致推荐策略总是次优的.现有工作主要通过调节衰减因子来保证激励函数区分度,但它依赖专家先验知识缺乏理论基础.为了更合理地设计激励函数和提高其区分度,本文依据因果论来分析推荐系统,并提出一种基于反事实区分度增强的序列推荐算法CAL4Rec.首先,所提出方法用结构因果图描述序列推荐过程,并创造性地用因果图定义了因果可鉴别的价值激励区分度.其次,该方法用反事实生成对抗的自监督学习过程优化推荐策略网络,以学习用户的真实倾向.在一系列序列推荐基准数据集上,对CAL4Rec开展了广泛对比和消融实验,实验结果表明CAL4Rec的提升对多种网络实现结构有效(平均2.34%). 展开更多
关键词 反事实推理 生成对抗学习 结构因果模型 序列推荐
下载PDF
教育经济学定量研究方法:回顾与前沿
12
作者 曹宇莲 《教育与经济》 北大核心 2024年第1期75-85,共11页
教育经济学学科兼具人文和科学双重属性,其科学属性使得定量研究在教育经济学研究中具有重要的地位。在实证研究可信性革命和大数据驱动的挑战与机遇下,教育经济学定量研究方法不断更迭。本文首先回顾了教育经济学定量研究方法从传统计... 教育经济学学科兼具人文和科学双重属性,其科学属性使得定量研究在教育经济学研究中具有重要的地位。在实证研究可信性革命和大数据驱动的挑战与机遇下,教育经济学定量研究方法不断更迭。本文首先回顾了教育经济学定量研究方法从传统计量经济学到因果推断的发展历程;接着介绍了前沿的机器学习和结构计量模型的原理、优劣势及其在教育经济学中的运用。本文有助于教育经济学和其他社会科学领域研究者了解定量研究方法发展脉络和最新动态,拓展定量研究工具和思路,为有价值的研究问题选择适切的研究方法。 展开更多
关键词 教育经济学 定量研究 因果推断 机器学习 结构计量模型
下载PDF
Causal association rule mining methods based on fuzzy state description
13
作者 Liang Kaijian Liang Quan Yang Bingru 《Journal of Systems Engineering and Electronics》 SCIE EI CSCD 2006年第1期193-199,共7页
Aiming at the research that using more new knowledge to develope knowledge system with dynamic accordance, and under the background of using Fuzzy language field and Fuzzy language values structure as description fram... Aiming at the research that using more new knowledge to develope knowledge system with dynamic accordance, and under the background of using Fuzzy language field and Fuzzy language values structure as description framework, the generalized cell Automation that can synthetically process fuzzy indeterminacy and random indeterminacy and generalized inductive logic causal model is brought forward. On this basis, a kind of the new method that can discover causal association rules is provded. According to the causal information of standard sample space and commonly sample space, through constructing its state (abnormality) relation matrix, causal association rules can be gained by using inductive reasoning mechanism. The estimate of this algorithm complexity is given,and its validiw is proved through case. 展开更多
关键词 knowledge discovery language field language value structure generalized cell automation generalized inductive logic causal model causal association rule.
下载PDF
基于因果贝叶斯网络的接触网风险评估模型研究
14
作者 陈雍君 李晓健 +2 位作者 王劲 王卫东 邱实 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2023年第8期3061-3071,共11页
针对接触网建设阶段风险管控研究相对薄弱的问题,在充分研析接触网施工过程风险因素的基础上,判断风险因素间因果关系,建立接触网建设阶段风险评估模型,从因果逻辑视角分析接触网建设阶段风险。首先,从建设阶段、参建部门及建设要素3个... 针对接触网建设阶段风险管控研究相对薄弱的问题,在充分研析接触网施工过程风险因素的基础上,判断风险因素间因果关系,建立接触网建设阶段风险评估模型,从因果逻辑视角分析接触网建设阶段风险。首先,从建设阶段、参建部门及建设要素3个维度分析接触网建设过程风险因素的外生变量与内生变量;然后,利用结构方程式描述变量之间的因果关系,建立多层次接触网风险结构因果模型网络关系分析图,并引入专家评议确定外生变量的先验概率与内生变量的条件概率,构建基于贝叶斯网络的接触网建设阶段风险评估模型;最后,通过贝叶斯网络敏感性分析和逆向推理分析找到接触网建设风险的事故最大因果链以及重要风险节点,在施工过程薄弱环节制定相应的风险预防与控制措施,降低风险发生的概率及影响,保证接触网工程按期交付以及运维阶段的检修效率。研究结果表明:在接触网建设阶段,风险发生的概率为0.6,所构建的接触网建设过程风险评估模型中有敏感性较高的节点4个,事故致因链5条。在假设接触网风险发生的条件下,逆向推理的结果显示预装配阶段和安装阶段的后验概率较高,分别为0.74和0.67。通过严格执行提出的风险控制措施,有助于提升接触网建设效率,降低运维阶段的维护成本。 展开更多
关键词 接触网 结构因果模型 贝叶斯网络 风险评估模型
下载PDF
基于结构方程似然框架的缺失值因果学习算法
15
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
下载PDF
STCTN:一种基于时域偏倚校正与空域因果传递的时空因果表示学习方法 被引量:1
16
作者 邓攀 刘俊廷 +4 位作者 王晓 贾晓丰 赵宇 汪慕澜 戴星原 《计算机学报》 EI CAS CSCD 北大核心 2023年第12期2535-2550,共16页
从时空数据中有效地提取特征表示是时空数据挖掘的基础.现有时空表示学习方法过于关注时空序列中的统计相关性,易受虚假相关性的影响,难以提取无偏、鲁棒的特征表示.本文基于结构因果模型建模时空数据的生成过程,分析观测数据中虚假相... 从时空数据中有效地提取特征表示是时空数据挖掘的基础.现有时空表示学习方法过于关注时空序列中的统计相关性,易受虚假相关性的影响,难以提取无偏、鲁棒的特征表示.本文基于结构因果模型建模时空数据的生成过程,分析观测数据中虚假相关性的成因,提出了一种基于时域偏倚校正与空域因果传递的时空因果表示学习方法.首先基于后门调整消除时域的虚假相关性,然后构建因果传递网络消除空域的虚假相关性,最后利用下游特征解码器将因果特征表示应用于下游任务中.在两个真实数据集上的实验表明,本文所提时空表示学习方法有效避免了虚假相关性的干扰,增强了模型的稳定性,使其在两个下游预测任务中对数据稀疏节点的预测误差分别降低了3%和10%. 展开更多
关键词 时空表示学习 结构因果模型 虚假相关性 后门调整 因果关系
下载PDF
基于观测数据的时间序列因果推断综述 被引量:1
17
作者 曾泽凡 陈思雅 +1 位作者 龙洗 金光 《大数据》 2023年第4期139-158,共20页
数据存储量的扩大和计算能力的提升为基于观测数据推断时间序列的因果关系开辟了新途径。在时间序列因果推断的基本性质和研究现状的基础上,系统梳理了5种基于观测数据的时间序列因果推断方法,即Granger因果分析方法、基于信息论的方法... 数据存储量的扩大和计算能力的提升为基于观测数据推断时间序列的因果关系开辟了新途径。在时间序列因果推断的基本性质和研究现状的基础上,系统梳理了5种基于观测数据的时间序列因果推断方法,即Granger因果分析方法、基于信息论的方法、因果网络结构学习算法、基于结构因果模型的方法和基于非线性状态空间模型的方法。然后,根据不同应用场景的数据特点,结合方法的功能和适配性,对基于观测数据的时间序列因果推断方法在经济金融、医疗和生物学、地球系统科学和其他工程领域的典型应用进行了简要介绍。最后,结合时间序列因果推断的重难点问题,比较5种方法的优缺点,分析下一步研究重点,展望未来的研究方向。 展开更多
关键词 时间序列 因果推断 GRANGER因果分析 信息熵 贝叶斯网络 结构因果模型 非线性状态空间模型
下载PDF
基于DEMATEL-ISM-MICMAC的煤矿瓦斯爆炸致因研究 被引量:5
18
作者 郭慧敏 成连华 李树刚 《矿业安全与环保》 北大核心 2023年第2期114-119,共6页
为更好解释瓦斯爆炸事故致因,从定性与定量的角度对瓦斯爆炸事故致因进行分析,深入探讨事故致因之间的逻辑关系、演化路径和属性特征。首先,通过大量事故案例统计分析,从宏观、中观和微观层次提取30个瓦斯爆炸事故致因;然后,运用DEMATE... 为更好解释瓦斯爆炸事故致因,从定性与定量的角度对瓦斯爆炸事故致因进行分析,深入探讨事故致因之间的逻辑关系、演化路径和属性特征。首先,通过大量事故案例统计分析,从宏观、中观和微观层次提取30个瓦斯爆炸事故致因;然后,运用DEMATEL方法定量分析各致因之间相互影响关系,并结合ISM-MICMAC方法,通过对事故致因进行多级递阶层次结构划分,探求导致事故发生的原因要素、结果要素、根源要素,以及各要素的属性特征,并提出相应的对策措施。研究结果可为预防瓦斯爆炸事故的发生提供理论参考。 展开更多
关键词 煤矿瓦斯爆炸 致因 关联性 多层递阶结构模型 属性特征
下载PDF
基于因果关系的故障传播路径辨识方法研究
19
作者 吕佳朋 史贤俊 +1 位作者 秦亮 赵超轮 《系统工程与电子技术》 EI CSCD 北大核心 2023年第12期4090-4100,共11页
针对故障传播路径辨识问题,提出了一种基于因果关系的故障传播路径辨识方法,从因果关系的角度揭示了故障发生及传播的内涵。利用系统中故障发生的因果性,确定故障发生时受影响的变量,构建故障相关变量集合;通过因果关系指示指标确定故... 针对故障传播路径辨识问题,提出了一种基于因果关系的故障传播路径辨识方法,从因果关系的角度揭示了故障发生及传播的内涵。利用系统中故障发生的因果性,确定故障发生时受影响的变量,构建故障相关变量集合;通过因果关系指示指标确定故障相关变量中各个变量的因果性,构建因果矩阵;提出保可达性的赋权有向图最小生成树算法,根据因果矩阵对相关变量之间的因果性进行图示化表达,确定故障相关变量之间的传播影响过程,实现故障传播路径的辨识。所提方法在双带通滤波器电路上进行了实验验证,实验结果表明了所提方法能够正确筛选故障相关变量集合,分析变量之间的因果关系,辨识出故障传播路径,同时所提方法在时间成本上相较于常用的传递熵方法具有一定的优势。 展开更多
关键词 因果关系 结构因果模型 故障传播路径 有向图最小生成树
下载PDF
一种基于高阶累积量的因果结构学习算法
20
作者 廖伟国 《计算机应用研究》 CSCD 北大核心 2023年第6期1702-1707,共6页
从观测数据中学习因果结构具有重要的应用价值。目前,一类学习因果结构的方法是基于函数因果模型假设,通过检验噪声与原因变量的独立性来学习因果结构。然而,该类方法涉及高计算复杂度的独立性检验过程,影响结构学习算法的实用性和鲁棒... 从观测数据中学习因果结构具有重要的应用价值。目前,一类学习因果结构的方法是基于函数因果模型假设,通过检验噪声与原因变量的独立性来学习因果结构。然而,该类方法涉及高计算复杂度的独立性检验过程,影响结构学习算法的实用性和鲁棒性。为此,提出了一种在线性非高斯模型下,利用高阶累积量作为独立性评估的因果结构学习算法。该算法主要分为两个步骤,第一个步骤是利用基于条件独立性约束的方法学习到因果结构的马尔可夫等价类,第二个步骤是定义了一种基于高阶累积量的得分,该得分可以判别两个随机变量的独立性,从而可以从马尔可夫等价类中搜索到最佳独立性得分的因果结构作为算法的输出。该算法的优势在于:a)相比基于核方法的独立性检验,该方法有较低的计算复杂度;b)基于得分搜索的方法,可以得到一个最匹配数据生成过程的模型,提高学习方法的鲁棒性。实验结果表明,基于高阶累积量的因果结构学习方法在合成数据中F1得分提高了5%,并在真实数据中学习到更多的因果方向。 展开更多
关键词 因果发现 结构学习 高阶累积量 线性非高斯模型
下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部