本研究提出了MissNODAG框架，旨在解决反馈回路和不完整数据下的因果发现问题。实验结果验证了该框架在学习周期性因果图及缺失机制方面的有效性。

本文介绍了交替渐进学习网络（APLN）方法，用于处理多视图分类中的不完整数据。APLN通过粗插补和逐步学习证据分布，有效缓解偏差和不确定性估计问题。在高度不确定和证据冲突的环境中表现优异。