一种离散时序数据的非稳态性格兰杰因果关系挖掘方法

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。