-
题名具有不充分信息的高维时间序列因果关系网络研究
被引量：3
- 1
-
-
作者
王双成
郑飞
赵大平
-
机构
上海立信会计金融学院信息管理学院
上海立信会计金融学院数据科学交叉研究院
上海立信会计金融学院国际经贸学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2023年第5期981-990,共10页
-
基金
国家社会科学基金项目(18BTJ020)资助。
-
文摘
具有不充分信息的高维时间序列因果关系网络学习重要且困难,信息不充分会导致许多因果关系丢失,从而造成传递信息的不完整.本文首先提出了汇聚递减变量排序方法,并基于局部贪婪搜索-打分进行因果关系网络学习,来降低对数据量的需求和提高学习效率与可靠性;再通过建立信息提取变量来获取变量组的压缩信息,以弥补由弱因果关系的缺失所引起的传递信息丢失和实现高维数据的降维;最后基于递归汇聚结构和后验分布抽样识别准确率分别建立时间序列变量之间的影响程度计算、影响的敏感性计算和汇聚与扩散影响计算方法,并使用宏观经济时间序列数据进行相应的实验验证与分析.
-
关键词
时间序列
贝叶斯网络
影响程度
敏感性
汇聚与扩散
-
Keywords
time series
Bayesian network
influence degree
sensitiveness
convergence and diffusion
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名异步动态贝叶斯网络分类器研究
被引量：4
- 2
-
-
作者
王双成
张立
郑飞
-
机构
上海立信会计金融学院信息管理学院
上海立信会计金融学院数据科学交叉研究院
-
出处
《计算机学报》
EI
CSCD
北大核心
2020年第9期1737-1754,共18页
-
基金
国家社会科学基金(18BTJ020)资助.
-
文摘
时间序列数据普遍存在,对其进行分类预测有着广泛的需求.虽然有一些时间序列数据分类方面的研究,但主要是面向时序同步分类(类与属性同步变化),还需要进行更有实际意义的异步分类(类与属性不同步变化)方面的探索.本文结合时间序列的离散化、变量的时序转换、变量的错位变换、依据变量顺序和打分搜索的分类器结构学习和类变量的丢失数据修复等,建立异步动态贝叶斯网络分类器,这种分类器能够有效利用多变量时间序列数据中所蕴含的时滞、非时滞和混合分类信息,以及属性为类提供的传递依赖信息、直接导出依赖信息和间接导出依赖信息进行分类计算,来提高分类器的可靠性.分别使用UCI、金融和宏观经济时间序列数据进行实验,结果显示所建立的异步动态贝叶斯网络分类器具有良好的分类准确性.
-
关键词
时间序列
动态贝叶斯网络
分类器
同步分类
异步分类
-
Keywords
time series
dynamic Bayesian network
classifier
synchronous classification
asynchronous classification
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于贝叶斯网络的时间序列因果关系学习
被引量：12
- 3
-
-
作者
王双成
郑飞
张立
-
机构
上海立信会计金融学院信息管理学院
上海立信会计金融学院数据科学交叉研究院
-
出处
《软件学报》
EI
CSCD
北大核心
2021年第10期3068-3084,共17页
-
基金
国家社会科学基金(18BTJ020)。
-
文摘
贝叶斯网络是研究变量之间因果关系的有力工具,基于贝叶斯网络的因果关系学习包括结构学习与参数学习两部分,其中,结构学习是核心.目前,贝叶斯网络主要用于发现非时间序列数据中所蕴含的因果关系(非时间序列因果关系),从数据中学习得到的也均是一般变量之间的因果关系.针对这些情况,结合时间序列预处理、时间序列变量排序、转换数据集构建和局部贪婪打分-搜索等进行时间序列的因果关系学习;再将包括分段在内的时间序列预处理、时间序列段的因果关系结构学习、因果关系结构数据集构建、因果关系变量排序和局部贪婪打分-搜索等相结合,来进行元因果关系(因果关系变量之间的因果关系)学习,从而实现两个层次的时间序列因果关系学习,为进一步的量化因果分析奠定了基础.分别使用模拟、UCI和金融时间序列数据进行实验与分析,实验结果显示,基于贝叶斯网络能够有效地进行时间序列的因果关系和元因果关系学习.
-
关键词
时间序列
因果关系
贝叶斯网络
转换数据集
结构数据集
-
Keywords
time series
causal relationship
Bayesian network
transformation data set
structure data set
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
