上市公司股票量价波动的模糊聚类模型

选取股票价格、成交量来刻画公司股票在证券市场上的表现特征,根据股票量价波动的相似性和决策者的偏好构建了综合模糊聚类模型,提供了一种动态分类股票的方法.     

时间序列数据挖掘中的聚类研究综述

鉴于时间序列数据的高维性和复杂性给数据挖掘带来的困扰以及聚类分析在时间序列数据挖掘领域中的重要性,对目前该领域国内外相关时间序列数据聚类研究的状况进行综述。时间序列聚类总体上可分为整体时间序列聚类、子序列聚类和时间点聚类3种,分别从特征表示、相似性度量、聚类算法和簇原型等方面来研究,同时也结合了具体的应用分析。根据时间序列数据挖掘中聚类存在的主要问题,提出了部分未来值得关注和研究的内容和方向,以便更好地促进时间序列数据聚类分析的研究与发展。     

一种基于聚类的Markov预测模型

提出一种新的用户浏览模式的聚类算法,该算法应用马尔可夫链理论,通过对web访问日志的处理,实现了根据用户浏览序列对时间的分类,以便个性化推荐和指导不同类别的用户以不同时间段进行学习。     

基于减法聚类与聚类有效性评判的FCM聚类

提出了一种基于减法聚类和聚类有效性评判的FCM聚类算法,依靠减法聚类来确定聚类数目的上限,并且在搜索最佳聚类数copt时,不需要进行重复的初始化工作,从而提高聚类的效率.     

语义驱动的Ontology聚类

提出了一种基于语义的Ontology相似性计算方法,该方法不仅考虑概念本身的相似性,还考虑了属性集合和相关概念集合的相似性,通过概念基本相似性极限控制属性集合相似性计算的可能性,通过语义半径控制相关概念集合的范围.将基于语义的Ontology相似性方法和凝聚层次聚类算法相结合实现了基于语义的Ontology聚类.实验表明:基于语义的Ontology聚类在性能上优于使用oMAP相似性方法的Ontology聚类.     

基于进化思想的聚类算法及其类簇融合算法

针对K均值聚类算法对类簇数目预先不可知及无法处理非凸形分布数据集的缺陷,提出基于进化思想的聚类算法及其类簇融合算法．该算法将K均值聚类算法嵌入进化聚类算法框架中,通过调整距离倍参,将数据逐渐划分,在此过程中自动确定类簇数目,提出基于最近距离的中间圆密度簇融合算法和基于代表类的中间圆密度簇融合算法,将相似度大的类簇进行融合,使得k值逐渐趋向真实值．实验表明,该方法具有良好的实用性．     

基于子类聚类和SAX表示的Shapelet快速发现算法

Shapelet发现的目标是寻找质量最佳的Shapelet,Shapelet的质量取决于子序列的可辨别性。针对精准发现有效Shapelet的问题,提出基于子类聚类和SAX表示的Shapelet快速发现算法,将子类聚类与经典的符号表示SAX法相结合进而快速准确的获取最优的Shapelet。该算法利用子类聚类将时间序列进行降维,得到多个子序列原型作为Shapelet候选集;再利用SAX表示将候选集符号化表示,直观的将候选集用字符串表示,便于找到最优Shapelet;最后选取候选集中信息增益最大的作为最优Shapelet进行时间序列分类。实验结果表明,该算法具有较好分类效果,同时提高了分类速度。     

基于递归聚类与相似性的模糊神经网络结构设计

针对模糊神经网络结构设计问题,提出一种基于递归聚类与相似性的结构设计方法.首先,提出以输出变化强度为导向、以结构细分为手段的递归聚类方法对网络初始结构进行设计.其次,通过计算模糊规则的相似性,将高度相似的规则进行合并,在保持良好精度的前提下,对网络初始结构进行简化.最后,通过函数逼近、非线性系统辨识仿真实验验证了方法的可行性和有效性.     

用于不同密度聚类的多阶段等密度线算法

多阶段等密度线算法是在基于网格的等密度线聚类算法的基础之上 ,采用多阶段的聚类方式来解决分布密度变化较大的数据集的聚类分析问题. 该算法能够找出分布密度不同的各种类别 ,并能很快地处理高维数据集. 此外 ,还能有效地对时间序列数据集进行聚类.     

社会媒体群组探测的谱聚类研究与应用设计

改进了传统的谱聚类算法,并优化了初始聚类中心的选择方法。传统的谱聚类算法虽然具有算法复杂度较低、适用范围广等特点,但受高斯核函数尺度参数影响较大。设计的算法通过引入万有引力模型进行相似性度量,设计了基于引力的相似性度量方法,以此消除尺度参数的影响;另外,提出基于密度与距离乘积的初始聚类中心选取方法,优化了初始聚类中心的选择。在UCI基准数据集上的实验表明,改进的算法消除了尺度参数σ影响的同时,也达到了比较好的NMI指标和Accuracy指标。最后,使用改进的算法设计了基于微博用户的群组探测方法,取得了较为理想的用户群组划分结果。     

AP聚类算法的分析与应用

Affinitypropagation（AP）聚类算法是通过消息传递实现聚类的,不需要事先指定聚类数目．对于规模较大的数据集,AP聚类是一种快速、有效的聚类方法,这是其他传统聚类方法所不能及的,如K—centers方法．研究了AP算法的原理和步骤,通过实验,证明了AP聚类算法的实用性和有效性．     

模糊聚类算法分析及应用

模糊聚类分析算法是对聚类算法的改进,笔者讨论了算法的基本原理、数据的处理方法,并用模糊聚类方法对教师授课效果进行分类分析,选取适当的相似系数,建立模糊矩阵,用动态聚类法进行分类分析,实现了量化评价与综合评价相结合,提高了评价水平,为今后确定评价指标提供了可靠的依据．     

基于时间序列的数据挖掘在证券中的应用

为更好地对股票数据进行分析,从理论上对数据挖掘中时间序列的产生、应用进行了研究,通过对时间序列处理以及相关性搜索的多种方法的比较和分析,设计一个以股票预测为对象的小型系统。该系统首先对时间序列进行适当的处理,然后进行相似性搜索,分析未来的短时间的走势是否是历史上的重现。同时对得到的结果进行了分析,实验结果表明,该方法能找到股票数据中历史上相似走势,并通过历史走势分析当前的走势。     

中国投资的波动分析

以全社会固定资产投资额作为指标,通过建立投资周期模型,从循环波动指数的角度分析我国的投资周期特性,在此基础上,对我国经济增长作了预测。     

脉动压力对空化的影响

为了消除空化试验的比尺效应,具体分析脉动压力对空化的影响,从泡动力学方程得出水中气核的发育时间和临界压力,得出气核的生长时间小于水流的负脉动周期;另由于水流脉动对气核的振荡作用,使气核提前膨胀,促使空化提前发生,计算空化数时需计入脉动压力项。根据N-S方程分析了脉动压力的模型律,结合原型测量结果,得出在强紊动区中脉动压力满足重力相似律,但在溢流坝面、陡槽底部等处脉动频率比尺不满足重力相似律,频率比尺约为1。在进行强紊动区的空化实验时,应注意水流脉动对空化的影响。     

谱聚类及其在文本分析中的应用研究进展

随着文本数据的快速积累,文本自动分析成为管理和利用海量文本数据的重要手段。其中,文本聚类是文本分析的基本任务之一。本文着重介绍文本分析与谱聚类的研究进展,阐述目前在文本分析中应用谱聚类技术的主要方法,旨在为文本分析中谱聚类方法的应用提供引导作用。     

控制论在经济波动分析中的应用

为使一个宏观经济系统有较好的稳定性,运用Z变换对乘数加速权模型进行了分析.模型给出了3组参数,得到3种典型的经济波动方式:①波动振幅越来越小,逐渐趋于稳定状态;②保持了振幅和周期都一致的波动;③波动的振幅越来越大.在实际应用中可以利用这些参数值来分析某一宏观经济系统的稳定性,并据此做出适当的调整.     

一种面向分簇实时监测应用的WSN时间同步算法

为了建立一种适用于分簇实时监测无线传感器网络的时间同步算法,同时建立具有较高精度的时钟偏移补偿模型,首先在分析分簇无线传感器网络特性的基础上,提出了一种基于分簇网络路由协议的跨层式同步拓扑构建方法;通过利用簇头路由信息和由邻居握手协议建立的簇内节点间的邻接关系,分别建立基于簇间双向组播和簇内双向广播的同步机制;最后结合参数估计理论构建基于线性模型的非簇头节点时钟偏移估计方法以及基于最大似然估计的簇头节点时钟相位补偿方法。理论及实验结果表明:该算法不仅保证了同步拓扑的有效性,而且使得同步开销较HRTS算法降低33%,较TPSN算法降低88%;单跳平均误差与TPSN算法相差仅6.36μs,较RBS算法提高12.87μs。