[发明专利]一种自适应的外生变量识别方法

摘要

本发明公开了一种自适应的外生变量识别方法，包括以下步骤设定数据集，其中数据集中每个变量包含m个样本数据，设定矩阵，设定一个数组；计算数据集与其余所有数据做最小二乘回归运算，得到残差；计算变量与所有残差的互信息；将所述互信息替换到矩阵中的元素；计算矩阵中每行的最大值，存放在数组中；在数组中找出最小值；找出独立于其余所有残差的变量即为外生变量。本发明利用最大最小思想，结合外生变量的特征，使得引入的独立性判定参数是一个自适应的参数值，避免了传统算法对独立性值差异敏感而导致识别率低的问题，也避免了不同数据集对固定独立性参数敏感而导致无法识别的缺陷，提高外生变量的辨识度。

主权项

一种自适应的外生变量识别方法，其特征在于：包括以下步骤：步骤A.设定数据集X＝[X1，X2，…Xn]，其中数据集中每个变量Xn，包含m个样本数据，设定矩阵M，矩阵M所有元素为INF，设定一个数组Max；步骤B.计算数据集Xi与其余所有数据Xj做最小二乘回归运算，其中j≠i，得到残差步骤C.计算Xi与所有残差的互信息其中j≠i；步骤D.将步骤C中所述互信息替换到矩阵M的第i行第j列的元素；步骤E.计算矩阵M中第i行中的最大值，存放在数组Max中，记为Max(i)；步骤F.在数组Max中找出最小值，记为λ；步骤G.根据λ的值，找出独立于其余所有残差的变量即为外生变量。