[發(fā)明專利]基于流特征的因果結(jié)構(gòu)學(xué)習(xí)方法

有效

• 申請?zhí)枺?/td>: 201610032838.8
• 申請日: 2016-01-18
• 公開（公告）號: CN105719006B
• 公開（公告）日: 2019-07-19
• 發(fā)明（設(shè)計）人: 楊靜;安寧;郭曉雪;丁會通;李廉
• 申請（專利權(quán)）人: 合肥工業(yè)大學(xué)
• 主分類號: G06N5/00
• 分類號: G06N5/00
• 代理公司: 安徽省合肥新安專利代理有限責(zé)任公司 34101
• 代理人: 陸麗莉;何梅生

本發(fā)明公開了一種基于流特征的因果結(jié)構(gòu)學(xué)習(xí)方法，其特征是按如下步驟進行：1、以流的方式產(chǎn)生分布任意的新特征；2、對每個新產(chǎn)生的特征，進行相關(guān)性分析；3、對特征集進行冗余校驗分析；4、基于每個特征進行搜索定向。重復(fù)1，2，3，4步驟，直至產(chǎn)生的特征數(shù)超過極限值，最終可以獲得對應(yīng)的因果結(jié)構(gòu)。本發(fā)明能夠從具有流特征的線性任意分布的數(shù)據(jù)中發(fā)現(xiàn)蘊含的因果結(jié)構(gòu)關(guān)系，同時降低學(xué)習(xí)的時間復(fù)雜度，從而滿足在線學(xué)習(xí)的時效性要求。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)挖掘領(lǐng)域，具體地說是面向線性任意分布數(shù)據(jù)的基于流特征的因果結(jié)構(gòu)學(xué)習(xí)方法。

背景技術(shù)

隨著社會進步和科技發(fā)展，人們需要認識的事物變得越來越復(fù)雜，系統(tǒng)內(nèi)部的因果關(guān)系是客觀存在的，因果結(jié)構(gòu)學(xué)習(xí)就是從數(shù)據(jù)中挖掘蘊含的因果結(jié)構(gòu)關(guān)系，可以幫助人們認清復(fù)雜事物的本質(zhì)與規(guī)律。因果結(jié)構(gòu)學(xué)習(xí)滲入到生物、醫(yī)學(xué)、經(jīng)濟、自動控制、信息處理等各個學(xué)科，涉及到日常生活、工業(yè)生產(chǎn)、軍事國防等各個方面。

現(xiàn)實生活中很多變量的分布往往是非高斯的。例如：腦磁圖(MEG，magnetoencephalographic)源的值并不一定符合標準的高斯分布，不同的腦磁圖源間的因果關(guān)系使用非高斯的因果模型分析更為適合；銅陵礦區(qū)土壤元素樣品數(shù)據(jù)有些不符合高斯分布；股票指數(shù)并不一定符合高斯分布，使用非高斯的因果模型更能揭示不同區(qū)域股票指數(shù)間的因果關(guān)系；在證券投資中，投資收益率的分布也很多情況下是符合非高斯分布的；社會學(xué)中，研究變量的分布也并非一定符合高斯分布等等。

在很多情況下，數(shù)據(jù)還具有高維或流的特征。在圖像處理領(lǐng)域，圖像的特征維數(shù)非常高從而無法一次載入內(nèi)存；在火星的彈坑(Crater)檢測中，紋理特征也是非常龐大并且以流的方式順序產(chǎn)生；在統(tǒng)計關(guān)系學(xué)習(xí)領(lǐng)域，一個SQL查詢可能導(dǎo)致產(chǎn)生上百萬的特征，并且這些特征以流的方式順序產(chǎn)生；在生物學(xué)領(lǐng)域，基因表達數(shù)據(jù)也具有高維特性等等。并且，這些數(shù)據(jù)往往也是非線性非高斯的。

國內(nèi)外的學(xué)者也提出了一系列的因果結(jié)構(gòu)學(xué)習(xí)算法，典型的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法包括基于搜索打分(Search-And-Score)的方法、基于依賴分析(Constrained Based)的方法和兩者混合的方法，如SGS算法、PC算法、TPDA算法、K2算法^]、OR算法、SC算法^]、MMHC算法等等。然而，大多數(shù)的結(jié)構(gòu)學(xué)習(xí)算法是基于離散數(shù)據(jù)進行研究的，不能有效地處理連續(xù)數(shù)據(jù)。近年來，對連續(xù)數(shù)據(jù)進行因果發(fā)現(xiàn)研究已成為一個新的研究熱點，也涌現(xiàn)了很多方法。如L1MB算法，TC算法，ICA-LiNGAM算法，PClingam算法，HP算法，Two-Phase算法，DirectLiNGAM算法，PCB算法等。

目前經(jīng)典的因果結(jié)構(gòu)學(xué)習(xí)方法都不能有效的處理具有流特征的線性任意分布的連續(xù)數(shù)據(jù)，這些方法的主要局限包括：

(1)面向線性任意分布的結(jié)構(gòu)學(xué)習(xí)算法多數(shù)屬于基于依賴分析的方法，該方法為了判斷兩特征間是否相關(guān)，需要在大量的子集上進行獨立性測試，導(dǎo)致需要較多的獨立性測試，從而需要耗費很多的時間，計算復(fù)雜度比較大；

(2)面向線性任意分布的結(jié)構(gòu)學(xué)習(xí)算法一般假設(shè)可以事先獲得所有的數(shù)據(jù)，不能處理具有流特征的數(shù)據(jù)，即特征逐個流入，從而不能有效的處理動態(tài)、未知的特征空間下的因果結(jié)構(gòu)學(xué)習(xí)問題。

發(fā)明內(nèi)容

本發(fā)明為克服現(xiàn)有技術(shù)存在的不足之處，提出了一種基于流特征的因果結(jié)構(gòu)學(xué)習(xí)方法，以期能夠從具有流特征的線性任意分布的數(shù)據(jù)中發(fā)現(xiàn)蘊含的因果結(jié)構(gòu)關(guān)系，同時降低學(xué)習(xí)的時間復(fù)雜度，從而滿足在線學(xué)習(xí)的時效性要求。

本發(fā)明為解決技術(shù)問題采用如下技術(shù)方案：

本發(fā)明一種基于流特征的因果結(jié)構(gòu)學(xué)習(xí)方法的特點是按如下步驟進行：

步驟1、定義時刻t；并初始化t＝0；定義特征個數(shù)極限值為max；

步驟2、定義特征集為EF，并初始化第t時刻的特征集為