一种NMI结合HSIC0的台风移动轨迹多因素相关分析方法

现有非线性相关分析方法准确性低、计算代价大,因而不适合大规模、高维度台风轨迹数据相关分析.针对这一问题,首次将希尔伯特-施密特独立准则经验估计(Hilbert-Schmidt independent criterion empirical estimation,HSIC0)引入到台风移动轨迹相关研究中,提出了一种基于标准化互信息(normalized mutual information,NMI)结合HSIC0的多因素相关分析方法.该方法首先利用NMI来过滤掉台风数据中相关性低的冗余因素,然后采用XGBoost机器学习模型来剔除掉无效因素,从而降低后续计算代价.在此基础上,采用基于HSIC0的多因素相关分析方法对台风数据进行了分析,挖掘出了相关性较强的台风移动轨迹影响因素组合,从而提高了台风移动轨迹的预测精度.真实台风数据集上的一系列实验结果表明,提出的方法在MSE,MAE,R^(2)指标上均优于NMI、Pearson相关系数、距离相关系数等分析方法.

基于HSIC_0的类间非线性相关系数度量

常见的相关系数反映变量之间的线性或非线性程度。基于希尔伯特-斯密特独立准则(Hilbert-Schmidt Independence Criterion,HSIC)的有偏估计(HSIC_0),提出了根据类标签划分出的类与类之间的非线性相关关系的度量方法。通过六组真实的、不同类型的数据集,分别选取了线性核、多项式核、RBF核和Sigmoid核函数进行实验。结果表明,该方法具有较好的可行性。