Probabilistic conditional independence: a similarity-based measure and its application to causal network learning
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/84564
Tipus de documentReport de recerca
Data publicació1996-06
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
A new definition for similarity between possibility distributions is
introduced
and discussed as a basis for detecting dependence between variables by
measuring the similarity degree of their respective distributions.
This new definition is used to detect conditional independence
relations in possibility
distributions derived from data. This is the basis for a new hybrid
algorithm for recovering possibilistic causal networks. The algorithm
POSSCAUSE is presented and its applications discussed and compared
with analogous developments in possibilistic and probabilistic causal
networks learning.
CitacióSangüesa, R., Cabós, J., Cortes, C. "Probabilistic conditional independence: a similarity-based measure and its application to causal network learning". 1996.
Forma partLSI-96-37-R
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
R96-37.pdf | 205,5Kb | Visualitza/Obre |