具有不充分信息的高维时间序列因果关系网络研究

摘要：

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

所属期刊栏目：44

分类号：TP181(自动化基础理论)

资助基金：国家社会科学基金18BTJ020

在线出版日期：2023-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：981-990