[发明专利]一种基于噪音独立性的因果网络推断方法

权利要求书

1.一种基于噪音独立性的因果网络推断方法，其特征在于，包括以下步骤：

S1：获取n个变量并构建数据集X＝{x₁,x₂,...,x_n}，设置因果次序集合K＝φ；

S2：采用独立成分分析法分解数据集X，得到X＝AE，其中，E＝{e₁,e₂,..,e_n}为n个互相独立的估计噪音变量集合，A为连接矩阵；

S3：计算每个变量x_i与每个估计噪音变量e_j的独立性，并存储在矩阵Ind中，其中，i＝1,2,...,n，j＝1,2,...,n；

S4：设置参数λ，计算叶子节点的判定矩阵M；

S5：针对每一个变量x_i计算其与所有估计噪音变量e_j的非独立性总和m_i，并选择最大非独立性总和m_i*所对应的节点x_i*作为叶子节点；

S6：将叶子节点x_i*对应的下标i*加入因果次序集合K中，并去除矩阵Ind和判定矩阵M中的第i*行元素及第i*列元素，然后跳转执行S2步骤，至所有的变量x_i的下标加入到因果次序集合K中；

S7：根据所述因果次序集合K构建因果网络推断图并利用最小二乘法对其进行剪枝，输出所述因果网络推断图。

2.根据权利要求1所述的因果网络推断方法，其特征在于：所述S2步骤中，所述估计噪音变量集合E中的噪音变量e_j为无序的。

3.根据权利要求1所述的因果网络推断方法，其特征在于：所述S3步骤中，所述变量x_i与估计噪音变量e_j的独立性计算方法包括基于核的独立性方法、基于熵的独立性衡量方法、基于互信息的独立性衡量方法中的一种或多种。

4.根据权利要求1所述的因果网络推断方法，其特征在于：所述S4步骤中，所述参数λ选定设置的公式如下：

5.根据权利要求4所述的因果网络推断方法，其特征在于：所述S4步骤中，所述叶子节点的判定矩阵M的计算步骤如下：判断矩阵Ind中是否存在元素Ind_i,j大于或等于参数λ，若是，则将判定矩阵中对应的元素M_i,j设置为1，否则为0。

6.根据权利要求1所述的因果网络推断方法，其特征在于：所述S5步骤中，所述叶子节点x_i*的下标的计算公式如下：

7.根据权利要求1所述的因果网络推断方法，其特征在于：所述S7步骤中，利用最小二乘法对因果网络推断图进行剪枝的具体步骤如下：对变量x_i给定父类变量，并判断是否存在另一个变量x_j独立于变量x_i，若是，则将变量x_i与变量x_j之间的边剪去，其中j≠i。