一种基于条件独立性测试和连续优化的因果发现方法

本发明属于机器学习技术领域，具体为一种基于条件独立性测试和连续优化的因果发现方法。本发明方法包括：利用条件独立性测试建立掩盖矩阵；基于掩盖矩阵设计连续优化损失函数中的约束项(硬约束/软约束)；利用变分自编码器和结构因果模型结合建立变分图自编码器模型，并导出对应的证据下界目标函数；基于二次罚函数法优化等式约束优化问题得到权重矩阵从而发现因果关系，并对方法进行了虚拟数据集和真实生物数据集的验证。本发明能够弥补现有基于连续优化的因果发现方法在处理较少样本和异质噪声场景下发现因果关系的能力不足。
复旦大学
周水庚 | 夏业伟 | 张浩