隨著現(xiàn)代社會信息技術的飛速發(fā)展,人們使用的各種金融數據以爆炸性速度不斷增長.這些大量數據存儲在數據庫中,但想要真正利用好這些數據資源并不是件容易的事情.如何借助一些分析手段挖掘數據庫中潛在有用的信息,這已成為金融分析、數據挖掘、機器學習、模式識別等領域的熱點研究問題.數據挖掘技術主要用來從龐大且復雜的數據中發(fā)現(xiàn)潛在的、有價值的信息.不同于數據分析,數據挖掘不僅是為了分析數據和研究的需要,更主要是為了獲取真正有價值的信息,給社會各方面的需求提供幫助.數據挖掘的功能有好多,例如:?自動估計和預測:數據挖掘可以通過估值對研究對象進行分類,還可以自動在數據庫中尋找預測性信息,直接由數據本身轉換成人們需求的信息,解決了傳統(tǒng)手工分析問題的困難.?進行關聯(lián)規(guī)則分析:數據挖掘技術可以從數據中找出信息之間隱藏的某種關聯(lián).比如,超市購物籃分析案例中通過發(fā)現(xiàn)顧客購買的不同商品之間的關系,分析顧客的購物行為.這種關聯(lián)的發(fā)現(xiàn)可以幫助銷售商了解顧客的消費習慣,幫助他們開發(fā)更好的的營銷策略,同時也為人們帶來便利.?進行聚類分析:數據挖掘中對聚類技術的要求是能處理高維數據;能在各種約束條件下進行聚類,找到具有良好特性...

【文章頁數】：41 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 本文的選題與研究內容
    1.2 相關研究工作及本文結構
2 整數最小二乘問題(ILS)
    2.1 帶條件約束的交替最小二乘方法
    2.2 求解ILS問題
    2.3 改進的ILS問題
3 整數矩陣低秩逼近問題
    3.1 算法設計
    3.2 收斂性分析
4 數值實驗
    4.1 隨機測試
    4.2 算法比較
    4.3 關聯(lián)規(guī)則挖掘
    4.4 整數數據聚類分析
    4.5 模型提取
結論
參考文獻
攻讀碩士學位期間發(fā)表學術論文情況
致謝



本文編號：3827743