【摘要】：聚類是無監(jiān)督機(jī)器學(xué)習(xí)方法之一,聚類數(shù)據(jù)可以幫助識別相似數(shù)據(jù),為決策行為提供最佳方案。例如,預(yù)訂出租車應(yīng)用程序可以把客戶數(shù)據(jù)進(jìn)行聚類分析以匹配供求關(guān)系、檢測電子商務(wù)交易的惡意訂單類型或在約會應(yīng)用程序中將客戶分類等。為了得到聚類的最佳決策結(jié)果在各種的聚類分析都有自己的基本條件請求,當(dāng)用錯誤的數(shù)據(jù)分析條件請求時會導(dǎo)致低質(zhì)量的結(jié)果。因此,我們希望深入研究和比較這類數(shù)據(jù)。應(yīng)用時間序列分析基于先前觀測值的預(yù)測,將聚類分析和時間序列數(shù)據(jù)混合起來,以便更好地理解聚類分析,以達(dá)到服務(wù)廣大公眾的初心,同時還希望更多的專家學(xué)者在這一領(lǐng)域持續(xù)探索,以期未來在更廣泛的領(lǐng)域應(yīng)用。目前常用于描述金融市場中的數(shù)據(jù),如數(shù)字貨幣、人民幣兌美元匯率、上海證券交易所50指數(shù)(上證50)和泰國證券交易所50指數(shù)(泰證50)。本文主要研究金融時間序列數(shù)據(jù)的時間序列聚類算法比較,通過時間序列聚類分析研究金融市場的數(shù)據(jù),得出不同數(shù)據(jù)集的最有效聚類算法,并驗(yàn)證了其合理性及有效性。本文主要內(nèi)容如下:1、論文依次介紹了數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、時間序列聚類的重要性以及相關(guān)的一些檢驗(yàn)方法的基本原理,為文章開展正式研究奠定理論基礎(chǔ)。2、論文綜述了生物信息學(xué)、機(jī)器人學(xué)、醫(yī)學(xué)、化學(xué)、手勢識別、語音識別、跟蹤、金融、生物特征學(xué)、天文學(xué)、制造學(xué)等領(lǐng)域的相關(guān)數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和時間序列聚類研究。3、論文通過分析時間序列聚類的結(jié)構(gòu),包括距離測量、時間序列原型、聚類算法和聚類評價標(biāo)準(zhǔn)等幾個部分。本文針對每個數(shù)據(jù)集分別設(shè)置了3種模式的聚類算法,如層次聚類、k-中心點(diǎn)劃分聚類、K-形劃分聚類和Tadpole劃分聚類。我們使用輪廓索引(Silhouette index)、COP索引(COP index)、DB索引(DB index)、CH索引(CH index)和DB*索引(DB*index)等聚類評價方法來比較這些聚類算法是否有效性。4、論文在實(shí)證分析中,構(gòu)建了關(guān)于數(shù)字貨幣、人民幣兌美元匯率、上證50指數(shù)(上證50)和泰國證券交易所50指數(shù)(泰證50)的時間序列聚類分析。對每個時間序列數(shù)據(jù)集使用3種聚類算法模式比較,并用5個指標(biāo)對聚類算法進(jìn)行評價,以確定每個聚類算法的有效性。研究結(jié)果表明,層次算法是對于非等長度數(shù)據(jù)數(shù)字貨幣和上證50指數(shù)最有效的算法。另外,對于等長度數(shù)據(jù)所有貨幣兌美元匯率和泰國證券交易所50指數(shù)(泰證50),劃分算法是最有效的。
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F224

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫其法;閆秋艷;閆欣鳴;;基于多樣化top-k shapelets轉(zhuǎn)換的時間序列分類方法[J];計(jì)算機(jī)應(yīng)用;2017年02期

2 王金策;楊寧;;時間序列趨勢預(yù)測[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2017年02期

3 彭佳星;肖基毅;;基于分型轉(zhuǎn)折點(diǎn)的證券時間序列分段表示法[J];商;2016年31期

4 劉偉龍;;基于ARMA模型的股價預(yù)測及實(shí)證研究[J];智富時代;2017年02期

5 周仰;;《漫長的告別》(年度資助攝影圖書)[J];中國攝影;2017年04期

6 王嵬;;王嵬作品[J];當(dāng)代油畫;2017年07期

7 劉明華;張晉昕;;時間序列的異常點(diǎn)診斷方法[J];中國衛(wèi)生統(tǒng)計(jì);2011年04期

8 郭崇慧;蘇木亞;;基于獨(dú)立成分分析的時間序列譜聚類方法[J];系統(tǒng)工程理論與實(shí)踐;2011年10期

9 王佳林;王斌;楊曉春;;面向不確定時間序列的分類方法[J];計(jì)算機(jī)研究與發(fā)展;2011年S3期

10 萬里;廖建新;朱曉民;倪萍;;一種基于頻繁模式的時間序列分類框架[J];電子與信息學(xué)報;2010年02期

相關(guān)會議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時間序列預(yù)報方法及其應(yīng)用[A];中國現(xiàn)場統(tǒng)計(jì)研究會第九屆學(xué)術(shù)年會論文集[C];1999年

2 張可;李媛;柴毅;黃磊;;基于分段趨勢的符號化時間序列聚類表示[A];第37屆中國控制會議論文集（D）[C];2018年

3 徐光晶;;統(tǒng)計(jì)學(xué)在大地電磁測深時間序列處理中的應(yīng)用[A];2017中國地球科學(xué)聯(lián)合學(xué)術(shù)年會論文集（二十九）——專題57：電磁地球物理學(xué)研究及其應(yīng)用[C];2017年

4 毛宇清;王詠青;王革麗;;支持向量機(jī)方法應(yīng)用于理想時間序列的預(yù)測研究[A];中國氣象學(xué)會2008年年會氣候預(yù)測研究與預(yù)測方法分會場論文集[C];2008年

5 吳麗娜;黃領(lǐng)梅;沈冰;呂繼強(qiáng);;黃河上游降水時間序列混沌特性識別與預(yù)測年限分析[A];水系統(tǒng)與水資源可持續(xù)管理——第七屆中國水論壇論文集[C];2009年

6 吳堅(jiān)忠;路子愚;鄭應(yīng)平;;時間序列社會悖論模型及分析[A];1989年控制理論及其應(yīng)用年會論文集（上）[C];1989年

7 雷敏;孟光;謝洪波;Kerreie Mengersen;Peter Bartlett;;嵌入維數(shù)對復(fù)雜時間序列的熵分析的影響研究[A];中國力學(xué)大會-2015論文摘要集[C];2015年

8 王兆甲;王海良;;一種相似時間序列挖掘算法及其在汽車運(yùn)動分析中的應(yīng)用[A];2014中國汽車工程學(xué)會年會論文集[C];2014年

9 林忠輝;莫興國;薛玲;;用NDVI時間序列確定作物物侯和作物類型判別[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年

10 王冬;章家義;陳宗;;配電網(wǎng)時間序列數(shù)據(jù)的云計(jì)算集群快速壓縮模型[A];2017年江西省電機(jī)工程學(xué)會年會論文集[C];2018年

相關(guān)重要報紙文章 前10條

1 王曉寶 楊永恒 永安期貨;淺析波動率的均值回復(fù)特征[N];期貨日報;2017年

2 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日報;2009年

3 國家統(tǒng)計(jì)局核算司 呂峰;不變價GDP時間序列數(shù)據(jù)的構(gòu)造[N];中國信息報;2016年

4 ;《時間序列與金融數(shù)據(jù)分析》[N];中國信息報;2004年

5 何德旭 王朝陽;時間序列計(jì)量經(jīng)濟(jì)學(xué)：協(xié)整與有條件的異方差自回歸[N];中國社會科學(xué)院院報;2003年

6 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟(jì)報道;2003年

7 卞紀(jì);我國多時間序列濕地遙感制圖完成[N];中國氣象報;2011年

8 權(quán)證一級交易商 國信證券;正股走勢及時間序列主導(dǎo)下半年權(quán)證市場運(yùn)行結(jié)構(gòu)[N];證券時報;2006年

9 廣發(fā)期貨股指研究小組 謝貞聯(lián);Hurst指數(shù)提示市場升勢或?qū)⑿纬蒣N];上海證券報;2012年

10 丁睿 中糧期貨研究院;試論指數(shù)HP濾波分析法的應(yīng)用[N];期貨日報;2014年

相關(guān)博士學(xué)位論文 前10條

1 張方;局部相似分析的統(tǒng)計(jì)研究及其在生物時間序列中的應(yīng)用[D];山東大學(xué);2019年

2 張琪;時間序列流數(shù)據(jù)異常檢測問題的研究[D];山東大學(xué);2019年

3 郝鵬宇;基于多時相遙感數(shù)據(jù)的作物早期識別[D];中國農(nóng)業(yè)科學(xué)院;2019年

4 康峻;基于時間序列遙感數(shù)據(jù)的植被精細(xì)分類與覆蓋度反演研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2018年

5 林蕾;基于循環(huán)神經(jīng)網(wǎng)絡(luò)模型的遙感影像時間序列分類及變化檢測方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2018年

6 丁紅;柳江徑流分析與預(yù)測研究[D];武漢理工大學(xué);2016年

7 周超;集成時間序列InSAR技術(shù)的滑坡早期識別與預(yù)測研究[D];中國地質(zhì)大學(xué);2018年

8 丁超;MODIS時間序列重建方法與應(yīng)用[D];中國地質(zhì)大學(xué)(北京);2018年

9 魏永強(qiáng);煤礦瓦斯監(jiān)測數(shù)據(jù)插值與預(yù)測研究[D];中國礦業(yè)大學(xué)(北京);2015年

10 楊玉軍;基于機(jī)器學(xué)習(xí)的時間序列模型研究及其應(yīng)用[D];電子科技大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 李凈;醫(yī)保大數(shù)據(jù)資金預(yù)測模型的研究與實(shí)現(xiàn)[D];山東大學(xué);2019年

2 趙超;融合選擇性提取與子類聚類的快速時間序列shapelet發(fā)現(xiàn)算法[D];山東大學(xué);2019年

3 丁一明;時間序列流數(shù)據(jù)相似性搜索的研究[D];山東大學(xué);2019年

4 李尚戈;環(huán)境脅迫下水生生物逐級行為響應(yīng)閾值開關(guān)的數(shù)學(xué)模型構(gòu)建[D];山東師范大學(xué);2019年

5 狄天一;氣象領(lǐng)域時間序列配準(zhǔn)與缺失值處理方法研究與應(yīng)用[D];長春工業(yè)大學(xué);2019年

6 靖傳寶;基于Landsat時間序列數(shù)據(jù)的城市景觀格局分析[D];山東師范大學(xué);2019年

7 陳美云（Duangrux Tangsirisakul）;時間序列聚類分析中幾種算法的研究及應(yīng)用[D];中國礦業(yè)大學(xué);2019年

8 韓如愿;兩種基于數(shù)據(jù)驅(qū)動的庫存預(yù)測方法研究[D];廈門大學(xué);2017年

9 曹西娟;模糊時間序列在鉆井風(fēng)險概率中的預(yù)測及應(yīng)用[D];西南石油大學(xué);2018年

10 王子一;基于特征提取的時間序列分類方法的研究[D];南京大學(xué);2019年

，

本文編號：2651447