【摘要】：數(shù)據(jù)挖掘是商務(wù)智能的核心技術(shù)之一。近年來,數(shù)據(jù)挖掘已經(jīng)被廣泛應(yīng)用于金融管理、客戶關(guān)系管理、工作流管理、風(fēng)險(xiǎn)管理等管理領(lǐng)域,對(duì)企業(yè)的決策支持、成本控制、組織協(xié)同等提供了極大幫助。 聚類分析是數(shù)據(jù)挖掘研究的一個(gè)重要組成部分。聚類是把對(duì)象的集合分組成為多個(gè)簇的過程,使同一個(gè)簇中的對(duì)象具有較高的相似度,而不同簇的對(duì)象差別較大。聚類分析已在股票數(shù)據(jù)分析、市場(chǎng)細(xì)分、生產(chǎn)監(jiān)管、異常檢測(cè)等領(lǐng)域發(fā)揮重要作用。在聚類分析的眾多算法中,譜聚類是基于譜圖理論的一類新的聚類方法,具有能夠?qū)θ我庑螤畹臄?shù)據(jù)進(jìn)行劃分、易于執(zhí)行等優(yōu)點(diǎn)。許多文獻(xiàn)已經(jīng)對(duì)譜聚類算法的特點(diǎn)進(jìn)行了深入研究,并提出了一些改進(jìn)方法。然而,無論從理論、算法還是實(shí)踐層面,仍有很多問題有待解決,例如：譜聚類方法中如何確定數(shù)據(jù)集的既合理又穩(wěn)定的聚類數(shù)目?如何選取包含聚類信息的特征向量組?從矩陣擾動(dòng)理論角度看多路歸一化割譜聚類方法是否合理?利用成分分析法對(duì)單變量時(shí)間序列降維的原理是什么?如何利用譜聚類方法對(duì)實(shí)際的金融時(shí)間序列數(shù)據(jù)進(jìn)行分析? 有鑒于此,本文圍繞譜聚類方法及其在金融時(shí)間序列數(shù)據(jù)挖掘中的應(yīng)用做了如下工作： (1)針對(duì)經(jīng)典譜聚類的聚類數(shù)目估計(jì)問題,提出了基于穩(wěn)定性的非唯一聚類數(shù)目確定方法。對(duì)候選聚類數(shù)目七,該方法利用本文提出的Ratio(k)指標(biāo)評(píng)價(jià)與其對(duì)應(yīng)的劃分結(jié)果的合理性。進(jìn)一步,通過改變高斯核參數(shù)的大小來確定劃分結(jié)果的穩(wěn)定性。所提方法能夠找出一組既合理又穩(wěn)定的聚類數(shù)目。 (2)針對(duì)譜聚類方法中選擇包含聚類信息的特征向量組問題,提出了譜聚類中自動(dòng)選擇包含聚類信息的特征向量組方法。通過該方法找出的包含聚類信息的特征向量組關(guān)于高斯核參數(shù)的穩(wěn)定性較好、其聚類特征比較明顯,而且該方法易于執(zhí)行。 (3)以矩陣擾動(dòng)理論為工具,對(duì)多路歸一化割譜聚類方法的合理性進(jìn)行了分析。分析結(jié)果表明,從矩陣擾動(dòng)理論角度看,在理想情形下設(shè)計(jì)譜聚類方法并將其推廣到一般情形的做法是合理可行的。 (4)針對(duì)主成分分析法對(duì)單變量時(shí)間序列降維原理問題,從線性空間中向量、基向量和系數(shù)矩陣間關(guān)系角度對(duì)其進(jìn)行解釋。在此基礎(chǔ)上,提出了一種基于主成分分析的單變量時(shí)間序列譜聚類方法。該方法體現(xiàn)了在線性空間中同一組基下,用系數(shù)之間的相似性來反應(yīng)對(duì)應(yīng)向量之間相似性的思想。 (5)針對(duì)獨(dú)立成分分析法對(duì)單變量時(shí)間序列降維原理問展開討論,考慮了獨(dú)立成分分析法的含混性對(duì)聚類結(jié)果的影響。在理論分析的基礎(chǔ)上提出了一種基于獨(dú)立成分分析的時(shí)間序列多路歸一化割譜聚類方法。該方法首先選用獨(dú)立成分分析法對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行特征提取,然后利用本文提出的廣義特征值法估計(jì)聚類數(shù)目,最后利用多路歸—化割譜聚類方法對(duì)提取出的特征數(shù)據(jù)進(jìn)行聚類,從而完成對(duì)原單變量時(shí)間序列的聚類任務(wù)。 (6)采用多路歸—化割譜聚類方法,對(duì)歐洲主權(quán)債務(wù)危機(jī)背景下的全球主要股指進(jìn)行了聯(lián)動(dòng)性與穩(wěn)定性分析。首先分別實(shí)證考察了全球主要股指在歐洲主權(quán)債務(wù)危機(jī)開始前、開端、發(fā)展、蔓延、升級(jí)、調(diào)整、再升級(jí)以及復(fù)蘇等八個(gè)不同階段內(nèi)的聯(lián)動(dòng)性及各相鄰階段之間的變化,即穩(wěn)定性特征。其次考慮了全球主要股指在歐洲主權(quán)債務(wù)危機(jī)不同階段的聚集情況。 (7)采用多路歸一化割譜聚類方法和獨(dú)立成分分析法對(duì)國內(nèi)開放式基金進(jìn)行了投資風(fēng)格識(shí)別研究。為此,首先,利用獨(dú)立成分分析法對(duì)所選出的開放式基金進(jìn)行特征提取。其次,采用本文提出的廣義特征值法估計(jì)聚類數(shù)目并運(yùn)用多路歸—化割譜聚類方法對(duì)提取出的特征進(jìn)行劃分,從而完成對(duì)原開放式基金的投資風(fēng)格分類。最后,選用本文提出的基于Sharpe系數(shù)間隙判斷投資風(fēng)格歸屬的方法判斷各類代表元基金投資風(fēng)格的具體類型。
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2011
【分類號(hào)】：F224;F830.9
【圖文】：

2.5.1仿真數(shù)據(jù)集上的實(shí)驗(yàn)本節(jié)在四組仿真數(shù)據(jù)集上討論NCNDBS一G和NCNDBS一L的聚類數(shù)目確定結(jié)果，如圖2.1所示。C七eles滬口ldsPo公l.llr8石 420 0000151O5OcZ一、、1，”獷，z一勺之._硯個(gè)·月翻，J任舟、.0.，�？�、少l}l蘭萬七幾言一-鉆健~書廠一i益或、 、扮，叭一籠._沖 ___介 介、一 clll一一:補(bǔ)---。一、泌 泌一一“~一 一CCC廠廠一下 --- 010203..… 04050t60.，0.8S叫ar己1勿0門lIJwewe1510鄉(xiāng)O， ，，”·__.廠·‘足 ___:::’·}、名一李:.:、.幾

類方法能夠揭示數(shù)據(jù)集的層次結(jié)構(gòu)。例如，當(dāng)局部尺度高斯核參數(shù)ai、中K二7時(shí)數(shù)據(jù)集CirelesAndspot、數(shù)據(jù)集Rings、數(shù)據(jù)集Smile和數(shù)據(jù)集SquareTwo的層次結(jié)構(gòu)如圖2.2所示。其中一個(gè)有趣的現(xiàn)象是，Meil瓦等提出的多路歸一化割譜聚類方法得到的層次結(jié)構(gòu)與單鏈凝聚層次聚類方法得到的層次結(jié)構(gòu)一致。以SquareTwo數(shù)據(jù)集為例，min{tVS:(乞刀)，乞興:}一0.0505，因此第一步合并類C1和類C4。min{min{H/s二(1，2)，叭二(1，3)

【引證文獻(xiàn)】

相關(guān)期刊論文 前2條

1 張彩霞;胡紅萍;白艷萍;;基于稀疏子空間聚類的人臉識(shí)別方法[J];火力與指揮控制;2017年04期

2 董航;李姝nr;郭紅霞;;基于譜聚類的SHIBOR非對(duì)稱波動(dòng)研究[J];輕工學(xué)報(bào);2016年05期

相關(guān)博士學(xué)位論文 前1條

1 張建萍;基于計(jì)算智能技術(shù)的聚類分析研究與應(yīng)用[D];山東師范大學(xué);2014年

相關(guān)碩士學(xué)位論文 前3條

1 王文文;基于績效管理的煙草商業(yè)企業(yè)質(zhì)量管理評(píng)價(jià)研究[D];山東師范大學(xué);2014年

2 趙沖;時(shí)間序列聚類在投資組合風(fēng)險(xiǎn)管理中的應(yīng)用[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2014年

3 郭凱;基于人工免疫的自適應(yīng)譜聚類算法研究與應(yīng)用[D];太原理工大學(xué);2012年

本文編號(hào)：2713736