一种基于互信息的多元时间序列变量选择方法

摘要

本发明公开了一种基于互信息的多元时间序列变量选择方法，首先，根据多元时间序列中每个变量对类可分离性所做贡献的大小，提出了一种基于类内类间散度的衡量标准，结合标准对变量按类可分离性进行排序；再根据输入变量之间互信息值的大小将冗余变量剔除，最终选择出最佳的变量子集；在选出的变量子集的基础上再分类，并通过常用的多元时间序列数据集实验，充分验证了本发明方法的有效性。本发明的变量选择方法不仅能选择出那些对分类最有利的“核心变量”，还可以避免选择冗余变量，从而对多元时间序列进行降维，更好地进行后续分类任务。