[发明专利]一种离散时序数据的非稳态性格兰杰因果关系挖掘方法在审
| 申请号： | 201910754617.5 | 申请日： | 2019-08-15 |
| 公开（公告）号： | CN110633396A | 公开（公告）日： | 2019-12-31 |
| 发明（设计）人： | 蔡瑞初;陈济斌;温雯;郝志峰;梁智豪;乔杰;陈薇;陈炳丰;李梓健 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06F16/906 | 分类号： | G06F16/906 |
| 代理公司： | 44102 广州粤高专利商标代理有限公司 | 代理人： | 张金福 |
| 地址： | 510006 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种离散时序数据的非稳态性格兰杰因果关系挖掘方法，首先获取时空序列数据集并建立霍克斯模型，初始化霍克斯模型并对时间序列标注类别标签；通过Hawkes‑EM算法学习各类别数据对应的模型参数以及格兰杰因果关系，基于贪婪算法优化对时空序列数据的类别划分；计算霍克斯模型的最终评分；重复步骤S2和S3直至最终评分值满足预设标准，则此时模型参数对应的述时空序列数据的类别划分情况及对应类别挖掘得到的格兰杰因果关系为最优解。本发明在利用原有的Hawkes‑EM算法基础上结合贪婪算法使其成为离散时序数据的非稳态性格兰杰因果关系挖掘方法，从而找出在一段离散时序数据中属于不同类别的数据，并发现其在相应类别下代表的格兰杰因果关系。 | ||
| 搜索关键词： | 因果关系 时空序列 时序数据 模型参数 贪婪算法 非稳态 挖掘 类别标签 时间序列 数据对应 预设标准 初始化 数据集 原有的 最优解 标注 重复 优化 发现 学习 | ||
【主权项】：
1.一种离散时序数据的非稳态性格兰杰因果关系挖掘方法，基于霍克斯点过程，其特征在于，包括以下步骤：/nS1.获取时空序列数据集并建立霍克斯模型，初始化所述霍克斯模型并对时间序列标注类别标签；/nS2.根据标注的类别标签情况，通过Hawkes-EM算法学习各类别数据对应的霍克斯模型参数以及格兰杰因果关系，基于贪婪算法优化对时空序列数据的类别划分；/nS3.根据步骤S2所述时空序列数据的类别划分以及学习得到的霍克斯模型参数，计算所述霍克斯模型的最终评分；/nS4.重复步骤S2和S3，直至最终评分值满足预设标准，则此时霍克斯模型参数对应的述时空序列数据的类别划分情况及对应类别挖掘得到的格兰杰因果关系为最优解。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东工业大学，未经广东工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910754617.5/，转载请声明来源钻瓜专利网。
- 上一篇：智慧园区设备巡检与报修可视化系统
- 下一篇：一种智能化装修管理系统
