基于可变支持度的流数据频繁模式挖掘算法

大量的动态数据使得传统数据挖掘方法难以适应流数据.频繁模式挖掘算法大多在挖掘频繁项集时使用一个固定的最小支持度,然而实际使用中支持度阈值应该随用户需求和流数据的特点而改变.针对此问题提出一种名为VSSDM的算法,用于在流数据中以可变支持度挖掘频繁项集.     

一种基于粒子群优化的关联规则挖掘方法

针对关联规则挖掘过程中定义最小支持度与置信度的阈值具有主观性的问题,提出一种迭代粒子群优化(particle swarm optimization,PSO)的方法挖掘关联规则。通过定义要提取的规则数目(M)的值,采用支持度和置信度定义适应函数,粒子群优化算法迭代,从数据集中提取最优的规则。算法避免了apriori算法需要设定最小支持度和最小置信度阈值等问题。通过对3个不同类型典型数据集挖掘验证算法的有效性,结果表明,使用PSO获得的规则平均支持度和置信度与apriori算法挖掘到的规则相比有明显提高。     

时间序列模式挖掘的算法研究

提出一种进行时间序列模式挖掘的算法 ,用于对大型数据库的海量数据分析 ,从中挖掘出超过用户给定支持度和置信度的时间序列 ,从而为用户的决策支持和趋势预测提供依据 .算法分为在数据中对于频繁项集的发现和频繁序列挖掘两个部分 ,排除不可能达到支持度和置信度阈值的项集 ,缩小了挖掘中的数据扫描范围 ,提高了数据挖掘的效率     

基于关联规则挖掘的维修专业合并研究

针对与任务相关维修专业使用价值的模糊性,提出了模糊数据的多最小支持度关联规则挖掘算法。首先,该算法以最小可用度为阈值筛选出具有合并意义的维修专业;其次,以最小支持度为阈值解决了重要但是使用概率较少的维修专业不易被挖掘的问题,提供了一种分析维修专业之间的潜在关系和合并相关维修专业的方法。     

时间序列模式挖掘的算法研究

提出一种进行时间序列模式挖掘的算法，用于对大型数据库的海量数据分析，从中挖掘出超过用户给定支持度和置信度的时间序列，从而为用户的决策支持和趋势预测提供依据，算法分为在数据中对于频繁项集的发现和频繁序列挖掘两个部分，排除不可能达到支持度和置信度阈值的项集，缩小了挖掘中的数据扫描范围，提高了数据挖掘的效率。     

基于AP-SVM组合模型的股票价格预测

为了减小单支股票训练数据中的噪声对分类器性能的影响,提出了一个新的基于簇的股票价格涨跌预测方法(AP-SVM)。AP-SVM首先使用近邻传播(AP)算法挑选出与待预测股票价格变化相似度较高的其他股票,然后将待预测股票和与其价格变化相似的其他股票一起作为输入数据,训练一个支撑向量机(SVM)实现对待预测股票价格涨跌的预测。实验结果表明,当训练数据中存在噪声时,AP-SVM在预测准确率方面优于传统的SVM方法。     

改进的Apriori算法在大学生心理数据分析中的应用

在基于传统的支持度-置信度评价框架的Apriori挖掘算法的基础上,加入了兴趣度评价指标,并将其应用到大学生心理测评数据的分析中,探寻不同的心理测评量表数据之间的联系,有效地提高了系统的挖掘效率和挖掘效果.     

基于集体度-置信度的关联规则挖掘

总结并研究了基于集体度-置信度的关联规则挖掘算法，用集体度代替支持度对搜索空间进行压缩，成功地解决了传统的频繁关联规则挖掘存在的属性集产生上的欺骗性及处理稠密数据集方面的缺陷．     

基于兴趣度的关联规则挖掘算法

通过实例分析了支持度-置信度模型的缺陷和Apriori算法忽视反面示例的不足.引入了PS改进方法作为兴趣度,并设计了基于该兴趣度的关联规则挖掘算法.后通过实例对挖掘算法进行适当的分析,从而验证了该方法的有效性.     

运用哈希技术进行关联规则挖掘

以前基于支持度一置信度框架的关联规则挖掘算法都是先用支持度做为阈值对搜索结果进行剪枝 ,产生频繁集 ,再针对频繁集产生关联规则 ,这就是频繁关联规则。然而在很多应用中 ,诸如 :鉴别相似的Web文件、网络中入侵检测等 ,有许多有趣的关联规则仅有很少的支持度。在本文中 ,针对这种情况 ,提出了一种可以挖掘非频繁项之间有趣规则的算法 ,此算法先用相似度作为兴趣度度量对算法结果进行剪枝     

我国股市价格波动和稳定性分析

股票市场是涉及政府、上市公司、券商、证券交易所、证券中介机构和投资者等不同利益主体之间进行多方博弈的复杂系统, 以往的基本面分析抑或是技术面分析, 具有针对性的一面而缺少了对股票市场整体系统的研究。对股价波动分析的现状和意义进行了初步的说明, 并在现有的股价波动模型作出简单的介绍和分析的基础上, 采用了理论分析、市场交易数据的实证研究等技术手段对中国股票市场价格波动作了较为深入的研究, 通过运用经济控制论的方法建立股票市场系统模型, 以上海股市和深圳股市的综合指数为样本, 对中国股票市场系统本身的波动特征和稳定性进行量化分析。结果表明, 排除政策等干扰因素, 中国股票市场系统本身是稳定的。     

ARCH类模型及其在上证指数收益波动中的应用

介绍ARCH模型、GARCH模型和GARCH—M模型,分析ARCH类模型的特点。然后以上证综指日收益率作为研究对象,采用ARCH类模型结合Eviews统计软件对上证综指日收益率的时变性进行实证分析。实证结果表明,GARCH(1,1)模型能较好地拟合上海股市收益率的波动特征,如波动聚集性、长记忆性等;GARCH(1,1)-M模型也能很好地拟合股市中风险与收益率之间的关系。     

董事股权激励与上市公司业绩关系的实证分析

股权激励是上市公司董事会治理的一项关键内容,关系到董事会及公司的治理绩效。用董事持股比例、持股数量以及持股市值3个变量描述董事持股状况,将其与公司业绩的相关性进行实证分析,得出董事股权激励与公司业绩成正相关关系,这种正相关关系在考虑股权结构的情况下,对第一大股东为法人股的上市公司更为显著。最后提出加强股权激励,提高公司治理绩效的政策建议。     

广东与湖南养殖鳜群体随机扩增多态DNA研究

采用RAPD技术对广东和湖南养殖鳜群体进行了遗传多样性分析。从40个随机引物中筛选出22个有效引物,共扩增产生289条RAPD标记片段,广东养殖群体共产生155条扩增片段,湖南养殖群体共产生134条扩增片段,有122条带为两群体共有。广东和湖南养殖群体内平均遗传距离分别为0.063 3和0.062 9,两群体间遗传距离为0.129 9。广东和湖南养殖群体Shannon多样性值分别为0.069 0和0.072 3,多态座位比例分别为25.16%和10.15%。与脊椎动物平均多态座位比例比较,发现其遗传多样性并不很丰富。因此,需要在生产过程中要采取行之有效的管理措施以避免或减少遗传多样性水平的降低,确保鳜养殖业的可持续发展。     

完善股票市场管理,促进股票市场健康发展

通过对股票市场的功能和作用的分析,提出了如何提高股票市场的运作效率。完善股票市场管理的方法,并给出了加强和完善一级市场,股评,经济信息发布管理的途径和方法,同时指出加强法制建设及对股民进行投资教育是股票市场健康发展的保证。     

分析师行为对房地产股票泡沫影响的量化分析

从行为金融学角度实证分析了中国A股市场上的股票泡沫大小受股票分析师覆盖率及分析师权威性等因素的影响,并且对股票泡沫变化进行一系列探索性分析。首先提出了近似量化股票泡沫的几种方法,随后利用分析师覆盖率和股票评级等因素对股票泡沫做回归分析,检验其显著性。同时,将显著因素以外生变量信息冲击形式分别尝试带入GARCH衍生模型,并通过一系列的调整,建立以每日基准收益率为基础的修正GARCH模型,预测文中所定义的股票泡沫率。     

武汉期股权模式与国外股票期权模式之差异分析

随着市场经济的发展,股票期权作为一种新的薪酬制度已在我国一些试点企业开始实施,但存在着许多问题.本文表述了股票期权的概念,并以武汉国有资产经营公司期股权模式为案例,指出存在的缺陷.并将武汉期股权模式与国外股票期权模式进行对比,寻找差异.在以上论证的基础上指出在我国各种配套环境还不完善的条件下不宜大范围的实施股票期权制度,并对我国的股票期权模式制度提出了几点建议.     

矩形排样的一种算法

针对当前矩形排料的问题，分析了当前矩形排料的一些算法，结合计算机自动排样速度快和人工排样灵活的特点，提出了一种新的人机排样的算法，构造了相应的模型，并开发了自动排样和人工排样相结合的交互式排样软件。与自动排样比较，排样的利用率由87．73％提高到94．17％。     

我国上市公司股权激励方案的设计研究

本文以美国公司首席执行官的股权激励体系为基础，结合中国国有上市公司的具体情况，以主要的股权激励设计要素为内容，设计了一套具有中国特色的股权激励方案的框架，为中国国有上市公司实行股权激励、解决委托一代理问题，提供了借鉴与参考。     

亚式期权激励特性及其对经理的激励效用分析

选择期权价值对股票价格的敏感性(d elta)、期权价值对股票收益波动率的敏感性(veg a)这2个参数作为经理股票期权激励参数,d elta随股票价格的上升而增大,veg a随股票收益波动率的上升而下降,比较发现亚式期权d elta值大于标准期权,亚式期权veg a值小于标准期权,且期权期限越长,亚式期权d elta越小。证明了采用亚式期权有利于激励经理努力工作,提高公司经营业绩,推动股票价格上涨,抑制经理冒险投机行为引起股票收益异常波动,同时,讨论了亚式期权激励机制存在的缺陷。