隨著科技的發(fā)展,數(shù)據(jù)分析越來(lái)越復(fù)雜、難處理、難分類(lèi),數(shù)據(jù)維度越來(lái)越大,針對(duì)密度峰值快速搜索聚類(lèi)（Clustering by fast search and find of density peaks,DPC）不適應(yīng)高維數(shù)據(jù)集的缺陷,提出了一種名為T(mén)-DPC的優(yōu)化算法,該算法基于t-SNE降維方法入手,并且還優(yōu)化了高斯核函數(shù)的計(jì)算方法,在求解密度時(shí)使用統(tǒng)一的度量準(zhǔn)則。實(shí)驗(yàn)中選取了人工數(shù)據(jù)集和UCI標(biāo)準(zhǔn)數(shù)據(jù)集,將DPC算法在人工數(shù)據(jù)集和UCI數(shù)據(jù)集與T-DPC算法進(jìn)行對(duì)比,最終實(shí)驗(yàn)結(jié)果表明,T-DPC算法不僅適應(yīng)了高維數(shù)據(jù)集,還提高了DPC算法效率。改進(jìn)的K近鄰密度峰值聚類(lèi)算法以密度峰值聚類(lèi)算法（DPC算法）為基礎(chǔ),結(jié)合K近鄰技術(shù),改進(jìn)了K近鄰的密度峰值聚類(lèi)算法。通過(guò)改善自適應(yīng)的度量手段和結(jié)合K近鄰的分配策略解決了原算法中的問(wèn)題。解決了dc選取的主觀隱患和分配方式不好的問(wèn)題。當(dāng)今股票市場(chǎng)最熱門(mén)的話題是如何獲得最大利益并且使得收益風(fēng)險(xiǎn)最小化。這成了許多研究者的主要研究問(wèn)題。股票市場(chǎng)是一個(gè)體系復(fù)雜、種類(lèi)偏多、結(jié)構(gòu)混亂,各種因素相互制約影響。如何選擇股票是當(dāng)今股民們最關(guān)注的問(wèn)題。為了驗(yàn)證改進(jìn)的K... 

【文章來(lái)源】：遼寧石油化工大學(xué)遼寧省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

DBSCAN算法流程圖

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合K近鄰的改進(jìn)密度峰值聚類(lèi)算法[J]. 薛小娜,高淑萍,彭弘銘,吳會(huì)會(huì).  計(jì)算機(jī)工程與應(yīng)用. 2018(07)
[2]K最近鄰算法理論與應(yīng)用綜述[J]. 毋雪雁,王水花,張煜東.  計(jì)算機(jī)工程與應(yīng)用. 2017(21)
[3]一種改進(jìn)的搜索密度峰值的聚類(lèi)算法[J]. 淦文燕,劉沖.  智能系統(tǒng)學(xué)報(bào). 2017(02)
[4]基于Storm的流數(shù)據(jù)KNN分類(lèi)算法的研究與實(shí)現(xiàn)[J]. 周志陽(yáng),馮百明,楊朋霖,溫向慧.  計(jì)算機(jī)工程與應(yīng)用. 2017(19)
[5]大數(shù)據(jù)聚類(lèi)算法綜述[J]. 海沫.  計(jì)算機(jī)科學(xué). 2016(S1)
[6]K近鄰優(yōu)化的密度峰值快速搜索聚類(lèi)算法[J]. 謝娟英,高紅超,謝維信.  中國(guó)科學(xué):信息科學(xué). 2016(02)
[7]基于影響力計(jì)算模型的股票網(wǎng)絡(luò)社團(tuán)劃分方法[J]. 王浩,李國(guó)歡,姚宏亮,李俊照.  計(jì)算機(jī)研究與發(fā)展. 2014(10)
[8]自適應(yīng)變異的果蠅優(yōu)化算法[J]. 韓俊英,劉成忠.  計(jì)算機(jī)應(yīng)用研究. 2013(09)
[9]基于智能計(jì)算的股票價(jià)格預(yù)測(cè)[J]. 李忍?hào)|,饒佳藝,嚴(yán)亞寧.  科技通報(bào). 2013(04)
[10]基于聚類(lèi)分析與協(xié)整檢驗(yàn)的A股市場(chǎng)統(tǒng)計(jì)套利策略[J]. 張戡,李婷,李凌飛.  統(tǒng)計(jì)與決策. 2012(15)

碩士論文
[1]數(shù)據(jù)挖掘方法在股票分析中的應(yīng)用與研究[D]. 孫磊平.西南財(cái)經(jīng)大學(xué) 2013



本文編號(hào)：2996245