基于趋势秩的Spearman相关方法.pdfVIP

第 26卷 第 1期 福建师范大学学报 (自然科学版) Vo1．26 No．1 2010年 1月 JournalofFujianNormalUniversity (NaturalScienceEdition) Jan．2010 文章编号 ：1000—5277(2010)01—0038—04 基于趋势秩的Spearman相关方法 王开军，黄添强 (福建师范大学数学与计算机科学学院，福建 福州 350108) 摘要：针对 Spearman秩相关方法在两个变量局部数据的大小次序不一致时描述变量间趋势相关性效果 不佳的问题 ，提 出了基于趋势秩 的Spearman相关方法 (T—SRC)．T—SRC设计 了将数据转换为趋势秩的方法 ， 专 门捕获数据的变化趋势，从而提高了Spearman相关方法发现变量问趋势相关的性能．真实数据的实验结 果表明，与传统的Spearman秩相关方法相 比，T—SRC挖掘变量间的趋势相关关系的性能更优 ，验证 了方法 的有效性． 关键词 ：Spearman秩相关；趋势秩 ；趋势相关 中图分类号 ：TP18 文献标识码：A SpearmanRankCorrelationM ethodBasedon TrendRank WANGKai—jun，HUANGTian—qiang (SchoolofMathematicsandComputerScience，FujianNormalUniversity，Fuzhou350108，China) Abstract：TheSpearmanrankcorrelationmethodhaspoorperformancewhenitisused tofindtrendcorrelationsbetweenvariables，wherethelocalinconsistentranksappear．The trend—rankSpearmancorrelationmethod (T—SRC)isproposedto solvethisproblem．The methodoftransformingdatatotrendranksisdesignedespeciallytocatchthechangingten— dencyofdata，SOthatthiscanenhancetheperformanceoffindingtrendcorrelationsbetween variables．Theexperimentalresultsonrealdatasetsshow thattheT—SRChasbetterperfor— manceonminingtrendcorrelationsbetweenvariables，comparedwithtraditionalSpearman rankcorrelationmethod． Keywords：Spearmanrankcorrelation；trendrank；trendcorrelation 变量之间依赖关系的描述是人工智能与模式识别等研究领域和许多实际应用中的重要问题，对于 探索和发现事物之间的相关关系与相互作用机制具有重要意义．Pearson相关和 Spearman相关都是分 析两个变量 (两个数据集合)之间相关关系的常用方法L1]．Pearson相关方法的局限性是明显的：只能 发现线性关系，只适用于两个随机变量服从二元正态分布的数据．非参数统计中的Spearman相关方法 则有更多的优点[2]：不仅能发现线性关系，也能发现单调的非线性关系；对分析的变量数据不需要正 态性假设，还可以适用于等级数据 (无法定量的顺序数据)；对异常数值敏感度低．因此，Spearman相 关方法适用性更广．另一方面，对于两个 (连续)变量的数据在整体变化趋势上的相关性比较好而部 分局部的相关性却不好的情况 (称为大趋势相关)，Spearman方法会因一个变量的局部数据在大小次序 上与另一个变量数据的大小次序不一致而给出较小的相关度 ，故而描述这种大趋势相关性的能力不足． 针对这个问题，