[發明專利]基于DE-MIC算法檢測多變量相關性方法和系統

在審

• 申請號: 201910490368.3
• 申請日: 2019-06-06
• 公開（公告）號: CN110275909A
• 公開（公告）日: 2019-09-24
• 發明（設計）人: 王莉;孟燕霞;鄭婷一
• 申請（專利權）人: 太原理工大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F17/16
• 代理公司: 太原高欣科創專利代理事務所(普通合伙) 14109
• 代理人: 冷錦超;安麗榮

1.基于DE-MIC算法檢測多變量相關性方法，其特征在于，包括如下步驟：

S1降維，基于DE-MIC算法，將一個高維數據集合降到一個低維的數據集合，并利用DE-MIC算法來度量低維變量間的相關度，得到任意兩低維變量間相關系數值；

S2，根據步驟S1得到的任意低維變量間相關系數值，構造有限最大特征矩陣；

S3，利用有限最大特征矩陣，計算大規模數據中多變量間的非線性最大信息熵，度量多變量間的相關度。

2.根據權利要求1所述的基于DE-MIC算法檢測多變量相關性方法，其特征在于，所述降維利用DE-MIC算法來進行檢測，將多變量數據集合降維到一個兩變量數據集合。

3.根據權利要求2所述的基于DE-MIC算法檢測多變量相關性方法，其特征在于，所述DE-MIC算法為：

式中，D為窮盡所有兩變量的數據集合，x和y分別為對數據集進行網格劃分的格子數，M(D)_x,y為數據集D上特征矩陣，其中包含第x行y列元素的值，特征矩陣中每個元素的值的取值范圍都是[0,1]，I^*(D，x，y)表示在數據集合上繪制的散點圖，進行網格劃分后，不同劃分情況下得到的最大互信息值，log_min{x，y}表示得到網格劃分中x，y的最小值，DE-MIC(D)表示特征矩陣M(D)_x,y中的最大值作為衡量任意兩變量間相關性的系數值，因此該值也為[0,1]之間，B(n)＝n^a，n為數據集D的數據規模，常數a的取值根據經驗或規模設置，xy≤B(n)為約束特征矩陣中網格劃分的最大劃分數。

4.根據權利要求2所述的基于DE-MIC算法檢測多變量相關性方法，其特征在于，所述有限最大特征矩陣公式為：

式中，R表示通過得到任意兩變量間的DE-MIC值所構造的特征矩陣，x_i，x_j表示任意兩變量，M表示M元變量，r_i,j(1≤i≤M,1≤j≤M)表示第i個變量與第j個變量的DE-MIC值，DE-MIC(x_i,x_i)表示第i個變量與第i個變量的DE-MIC值，DE-MIC(x₂,x₁)表示第2個變量與第1個變量的DE-MIC值，DE-MIC(x₁,x₂)表示第1個變量與第2個變量的DE-MIC值，DE-MIC(x_M,x₁)表示第M個變量與第1個變量的DE-MIC值。

5.根據權利要求2所述的基于DE-MIC算法檢測多變量相關性方法，其特征在于，所述步驟S3包括如下步驟：

S31，通過步驟S2計算得到R的特征根根據特征根計算多變量信息熵的函數公式如下：

式中，H^*(D)表示信息熵函數，D為窮盡所有兩變量的數據集合，i表示第i個變量，M表示M元變量，表示正特征根；

S32，NMIE取值范圍為[0,1]間，用于衡量多變量相關度，當相關程度越強，NMIE值越接近于1，相關程度越弱，越接近于0，公式如下：

式中，NMIE表示度量多變量間相關程度值，D為窮盡所有兩變量的數據集合，i表示第i個變量，M表示M元變量，表示特征矩陣R的特征根。

6.權利要求1-5任一所述的基于DE-MIC算法檢測多變量相關性方法的應用，其特征在于，用于對多變量數據集合進行相關性檢測、普適性分析和均勻性分析。

7.權利要求1-5任一所述的基于DE-MIC算法檢測多變量相關性方法所用的系統，包括

1)，初始數據降維模塊；

2)，DE-MIC算法計算模塊；

3)，有限最大特征矩陣模塊；

4)，多變量相關性算法計算模塊。