一种快速且适用于高维网络的因果骨架构建方法

摘要

本发明实施例公开了一种快速且适用于高维网络的因果骨架构建方法，包括基于最大相关性和最小冗余度的父亲特征选择方法、基于条件独立性测试的因果关系剔除及方向推断方法。采用本发明，在进行条件独立性测试的时候，约简了条件集的规模，使得算法能够快速地找到相应的条件独立性测试，一方面提高算法运行速度，另一方面在条件独立性测试过程中，非父亲节点对算法准确率并没有影响。

主权项

一种快速且适用于高维网络的因果骨架构建方法，其特征在于，包括基于最大相关性和最小冗余度的父亲特征选择方法、基于条件独立性测试的因果关系剔除及方向推断方法；所述基于最大相关性和最小冗余度的父亲特征选择方法包括以下步骤：步骤S11，输入关于因果关系无向图G的n维数据集X＝{x₁,x₂,…,x_n}，并初始化y的候选父亲节点集S_y＝{}；步骤S12，找出X中与y有最大相关性的节点x_k，S_y＝S_y∪x_k；步骤S13，根据最大依赖性、最小冗余度原则，通过${S_y}^{\prime }=\arg \underset{x_i\in X/S_{k-1}}{\max }[I(y;x_i)-\frac{1}{k-1}\underset{x_j\in S_{k-1}}{\Sigma }I(x_i;x_j)]$求出后面的特征父亲节点，并按顺序加入候选父亲节点集S_y，其中y为目标变量，S_y′为候选特征集，任意变量x_i，x_j属于S_y′，I是互信息；步骤S14，给定1个值m，直接取S中的前m个作为y的候选父亲节点，设定m＝n^(1/2)+1；步骤S15，以x为目标节点，重复步骤S11‑S14求出x的候选父亲节点集S_x；步骤S16，通过S11‑S15得到的S_x与S_y，则x，y候选父亲节点的并集S_x,y＝S_x∪S_y；所述基于条件独立性测试的因果关系剔除及方向推断方法包括以下步骤：步骤S21，对n维数据集X中任意1个节点x_i，设x_i＝y，初始化y的因果节点集P_A(y)＝{}；步骤S22，求出y的父亲节点，在剩下的X/x_j的n‑1节点中，遍历式选取任意节点x_j；步骤S23，通过条件独立性测试，如果存在任意节点集S，S属于S_x,y使得x_i┴y|S，则x_i不是y的因果节点，选取X/x_j，x_i重复步骤S22‑S24，如果不存在这样的S，则x_i是y的因果节点，将x_i加入P_A(y)；步骤S24，重复步骤S21‑S24直到X中每一个节点都找到其因果节点集，则得到1个完整的因果网络骨架。