[发明专利]增加变量数量、获得其余的变量、维度鉴识与变量筛选的方法及系统

权利要求书

1.一种系统模式维度鉴识与重要变量筛选的方法，其特征在于，包括：

读取多个数据；

利用一使用者所定义的相关条件将所读取的数据进行一变量分类；

利用主值分析法以求得该些输入变量的至少一特征向量及至少一特征值；

决定该些特征值所计算的一停止点为一系统自由度；

获得该些特征向量的第一个变量；

订定该些输出变量与该些输入变量的一估计目标规则；

依据该估计目标规则、该第一个变量及该系统自由度为基础以获得其余的变量直到该变量数量满足为止；

获得一初始建议的变量数量；及

建立该初始建议的变量数量的一系统模式。

2.如权利要求1所述的系统模式维度鉴识与重要变量筛选的方法，其特征在于，其中该变量分类包括该使用者所要预设的多个输出变量及多个输入变量，该些变量为一流量、一压力、一温度、一体积或任何系统变量。

3.如权利要求1所述的系统模式维度鉴识与重要变量筛选的方法，其特征在于，更包括设定一相关群组，将经由该主值分析后的该些输入变量进行群组分类，其中该相关群组为计算后的一流量、一压力、一温度、一体积或任何系统变量。

4.如权利要求1所述的系统模式维度鉴识与重要变量筛选的方法，其特征在于，其中该些数据的取得是由一数据库或任何形式的文件。

5.如权利要求1所述的系统模式维度鉴识与重要变量筛选的方法，其特征在于，其中该执行一变量分类的步骤，更包括该使用者定义该模式建构所需的一最大变量数量。

6.如权利要求1所述的系统模式维度鉴识与重要变量筛选的方法，其特征在于，其中该停止点为该些特征值的第二次大幅下降点。

7.如权利要求1所述的系统模式维度鉴识与重要变量筛选的方法，其特征在于，其中该系统自由度为该些特征值的第二次大幅下降点之前所有特征值的变量数量；该第一个变量为最大特征值所对应的特征向量。

8.如权利要求1所述的系统模式维度鉴识与重要变量筛选的方法，其特征在于，其中该估计目标规则由下列公式所求得：

f(X)＝|a*CoC(X，Output)/b*CoC(X，Selected_Inputs)|或

f(X)＝‖a*CoC(X，Output)|-|b*CoC(X，Selected_Inputs)‖

其中该a及该b为可调整变量，该CoC为相关系数函数，该X为所选择的变量。

9.如权利要求1所述的系统模式维度鉴识与重要变量筛选的方法，其特征在于，其中该估计目标规则为符合所获得的系统变量与已选择的系统变量之间的关系愈小愈好，而与输出变量之间的关系愈大愈好的条件所定义出的估计目标规则。

10.如权利要求1所述的系统模式维度鉴识与重要变量筛选的方法，其特征在于，其中该初始建议的变量数量的输入来源为该相关群组的该些输入变量。

11.如权利要求1所述的系统模式维度鉴识与重要变量筛选的方法，其特征在于，其中该建立该初始建议的变量数量步骤，更包括检测该系统模式所产生的一误差是否为可接受。

12.如权利要求11所述的系统模式维度鉴识与重要变量筛选的方法，其特征在于，其中该检测该系统模式的步骤，若检测结果为是，则结束该模式建构的变量选择流程，反之，若检测结果为否，更包括执行增加变量数量的步骤。

13.如权利要求1所述的系统模式维度鉴识与重要变量筛选的方法，其特征在于，其中该系统模式为类神经网络或模糊网络。

14.一种如权利要求12所述的系统模式维度鉴识与重要变量筛选的方法的增加变量数量的方法，其特征在于，该方法包括：

捉取该系统自由度的一待增加变量或增加一系统变量个数；

解释该待增加变量的一主值分析变异度；

比对该待增加变量与该系统的一预设条件是否符合；及

输出经比对符合后的该待增加变量。

15.如权利要求14所述的增加变量数量的方法，其特征在于，其中该预设条件为一使用者所设定的一限定条件库中所取得者。