改进k-means聚类在股价波动趋势上的应用

股票价格在一段时间内的波动趋势对研究预测这支股票有着非常重要的作用。研究将K-means聚类利用层次聚类算法思想进行改进,对股价波动趋势进行聚类,并在一定范围内选择出最优聚类数。此方法在此问题上聚类效果优于原始k-means聚类算法,为未来对股价波动趋势的预测研究提供帮助。     

协同过滤技术在广电用户个性化推荐中的研究

随着广电运营商双向业务的不断发展,为解决用户无法从海量内容中快速找到喜爱节目的问题,协同过滤个性化推荐技术在广电领域得到了关注和应用。通过一个改进的K-means聚类算法对相似用户(簇)有效聚类,在为用户准确快速智能推荐感兴趣的电视节目取得了良好的效果。     

数据挖掘中聚类算法研究综述

本文阐述了聚类算法基本原理,介绍了各种聚类算法,并比较分析了几种典型聚类算法的优点与不足,以便于对聚类算法作进一步的研究。     

基于K-means-LSTM模型的证券股价预测

鉴于股票数据具有非平稳、非线性等特征,传统的统计模型无法精准预测股票价格的未来趋势。针对这个问题,构建一种混合深度学习方法来提高股票预测性能。首先,通过将距离算法修改为DTW（动态时间归整）,令K-means聚类算法拓展为更适用于时间序列数据的K-means-DTW,聚类出价格趋势相似的证券;然后,通过聚类数据来训练LSTM（长短时记忆网络）模型,以实现对单支股票价格的预测。实验结果表明,混合模型K-means-LSTM表现出更好的预测性能,其预测精度和稳定性均优于单一LSTM模型。     

加权共协矩阵聚类融合研究

当前的聚类融合算法大多不考虑进行融合的成员的质量,当聚类成员存在聚类质量差或者有噪声干扰时,融合结果将受到影响。本文提出了一种对聚类成员进行加权的融合算法。该方法对聚类成员的质量进行简单评价,并据此对其赋予权重,生成加权共协矩阵,能够有效的消减聚类成员质量差异和噪声对融合的影响,进而得到更好的融合结果。     

基于改进模糊聚类算法的地铁站点重要性分析

为了研究地铁网络的节点重要性,研究一种改进模糊聚类算法:将地铁网络抽象为无向无权复杂网络,选取节点介数、接近中心性和特征向量中心性作为节点重要性的评价指标,利用k-means和熵权法改进的FCM模糊聚类算法,对地铁网络节点的重要性进行软化分.采用误判率交叉估计法对模糊聚类结果进行检验.实证表明,相比传统FCM算法,改进FCM算法目标函数收敛次数降低了58.06％,目标函数值降低了5.33％,误判率为0,更适用于地铁站点的重要性分析.     

基于Canopy-K-means算法的半挂汽车列车行驶数据分析

为实时监测车辆行驶状态,建立了基于Canopy-K-means算法的车辆行驶安全特征分类模型.采用Canopy-K-means聚类算法对车辆行驶数据进行挖掘分析,以欧氏距离大小作为数据集属性间的相似性分类指标,得到表征不同行驶安全特征的离线聚类质心;搭建T ruckSim与Simulink联合仿真平台,设置定半径变车速和方向盘斜阶跃输入仿真工况对车辆行驶状态进行在线识别;同时为验证该方法在实车上的应用效果,设置相同工况对离线聚类质心进行验证分析.仿真和实车结果表明:基于Canopy-K-means算法的数据挖掘方法可以对不同行驶状态数据进行分类,得到的表征不同行驶安全特征的聚类质心能在一定程度上对车辆行驶稳定性进行评价,可以作为车辆控制和预警的判定依据.     

基于回归模型的共享单车需求量的时空影响因素分析

共享单车给人们带来了极大的便利,方便了人们的出行,但我国共享单车资源配置还存在一定的不合理性。基于我国共享单车行业现状,本文结合生活中人们的出行规律和习惯,经过定量定性分析建立了人口密集程度,交通拥挤程度,用户出行成本以及时间指标来分析了不同时空的共享单车的需求量变化问题,利用聚类K-means算法在MATLAB中对现有数据的区域分区,再通过SPSS进行回归分析,拟合分析得到结论,单车需求量与人口密集程度成正相关,与交通拥挤程度正相关,与出行成本成负相关,与每天的时间呈三次函数变化。     

高维数据流子空间聚类发现及维护算法

近年来由于数据流应用的大量涌现,基于数据流模型的数据挖掘算法研究已成为重要的应用前沿课题.提出一种基于Hoeffding界的高维数据流的子空间聚类发现及维护算法--SHStream.算法将数据流分段（分段长度由Hoeffding界确定）,在数据分段上进行子空间聚类,通过迭代逐步得到满足聚类精度要求的聚类结果,同时针对数据流的动态性,算法对聚类结果进行调整和维护.算法可以有效地处理高雏数据流和对任意形状分布数据的聚类问题.基于真实数据集与仿真数据集的实验表明,算法具有良好的适用性和有效性.     

层次聚类方法的CURE算法研究

层次聚类方法是一种发展比较早、应用广泛的聚类方法。本文重点总结研究了聚类技术中层次聚类方法的典型算法-CURE算法,并给出了一个详细的手工解析示例。     

核k’-均值聚类算法及在生物医学上的应用研究

核k'-均值聚类算法在k'-均值聚类算法的基础上,通过核函数,将样本从原空间映射到高维特征空间,使得非线性样本在高维空间中线性可分,然后对高维空间中的线性样本进行聚类。由于核函数的本质是成对样本间的内积,可表示成对样本间的相似度。文章利用高维空间中不同样本之间的内积,构造核矩阵,使得核矩阵中的每一矩阵元均由任意两个样本间的内积组成。内积越大,表示两个样本越相似,内积越小,表示越不相似,因此,求所有样本到其聚类中心的最小距离平方和的聚类问题可转化为求核矩阵的迹最小问题。文章利用两组真实生物医学数据集进行了算法验证,结果表明,在同等条件下,核k'-均值算法的聚类准确率要高于k'-均值聚类算法。     

基于谱聚类的图像分割特性分析

谱聚类是近年来国内外进行聚类分析的新的研究热点.谱聚类的优势在于不对数据的全局结构作假设,具有识别非凸分布聚类的能力.文章介绍了该算法的基本理论,深入分析了其聚类本质,然后由图像分割实验验证,并给出它的适用范围.     

基于自然选择的粒子群和模糊聚类的变压器故障诊断

由于基本粒子群算法存在收敛速度慢、易陷入极值的不足之处,利用遗传算法中的选择和交叉机制对传统粒子群算法进行改进,并与模糊聚类算法相结合对变压器溶解气体分析的故障诊断分析。分析结果表明,该算法具有较高的故障诊断正确率,满足电力变压器的故障诊断要求。     

河南省区域创新能力评价与分析

基于多层次因子分析法及K-means聚类分析法对河南省18个地市2016年的区域创新能力进行评价分析及分类。结果显示郑州市创新能力最强,洛阳市次之,鹤壁市的创新能力最差,河南省18地市的区域创新能力可分为4个等级。最后通过分析河南省区域创新能力的分布概况及原因,为提升各地市区域创新能力及缩小地市间差距提出针对性的政策建议。     

基于卷积神经网络的文档特征提取方法

随着上网用户的增多,人们在网络上贡献了各式各样的文献,这些文献形成了海量的文本数据,潜藏着巨大的价值。文献的文类和整理是一项非常具有挑战性的工作,抽取文档特征信息成了目前重要研究方向之一。针对传统方法对文本数据的特征提取时,文本特征维数大、处理效率低等问题,文章设计了基于卷积神经网络的文本特征提取方法,搭建了卷积神经网络模型,选取了卷积神经网络的各项参数,实验的输入数据集为中文语料库中的文本,使用Word2vec工具集进行文本向量转换,对文本特征提取采用卷积神经网络算法,通过K-means聚类算法对文本特征进行验证,验证了本文设计的基于卷积神经网络的文本特征提取方法的有效性。     

基于聚类分析法的地铁与常规公交换乘客流分析

通过对公交IC卡数据及地铁站点进出闸刷卡数据进行关联匹配，建立个体公共交通出行链，并构建了通过刷卡时间差推导地铁站点与常规公交换乘接驳量计算方法。运用层次聚类法、K-means聚类法对地铁站点进行区域分类及站点周边主导用地分类，进而开展常规公交与地铁接驳比例的聚类特征分析。结果显示，城郊结合区公交接驳比例大于中心区和外围区，居住型地铁站点公交接驳比例明显大于办公型、商业型及枢纽型站点。表明针对城郊结合区、居住型站点开展衔接设施布局规划，有利于提升轨道交通客流效益，便于构建更为有效的常规公交与轨道交通衔接一体化的公共交通系统，支撑公交都市的建设，进而缓解城市交通拥堵。     

基于聚类算法的数字图书馆知识推送原理

文章针对高校师生用户对数字图书馆的推送服务满意度进行了调研分析,结果显示用户对图书馆的推送服务满意程度不高。基于此类问题,文章根据高校用户属性特点进行k-means聚类研究,使推荐信息时考虑用户自身属性特点,包括年纪、专业和目的等特点,并据此设计了混合属性的距离函数。建立的基于聚类算法的数字图书馆知识推送服务,提高了原有相似信息对用户的模糊推荐效果,提高了用户体验。     

制造业上市企业的融资约束预测——基于机器学习算法的视角

企业融资约束指数的构建方法一般采用两步法,一是判断企业是否存在融资约束,二是通过财务指标构建融资约束指数。本文运用机器学习的方法探讨企业的融资约束指数的构建,首先,判断企业是否存在融资约束,采用聚类算法（K均值聚类和系统聚类）对这些企业进行分类,然后在聚类的基础上,采用分类算法（决策树、逻辑回归、神经网络）探讨企业融资约束的影响特征。本文通过分类算法预测结果,得到决策树算法的准确率是最好的,逻辑回归模型预测的稳定性是最好的,而神经网络预测模型较差。采用逻辑回归模型预测的融资约束概率与SA指数和祝学文的LFC融资约束指数较为密切相关。从企业融资约束的重要特征来看,在聚类的预分类中,重要特征变量为利息保障倍数和股利支付率,在分类算法中,重要特征变量为财务费用率和净资产报酬率。     

基于SOM和PSO聚类组合算法的客户细分研究

文章在对RFM指标体系进行分析的基础上,应用自组织特征映射（SOM）神经网络和粒子群优化（PSO）的聚类组合算法,通过客户关系的特征衡量分析客户的内在价值和忠诚度,对客户数据进行了科学、客观、深层次的挖掘分析,为企业有针对性的制定营销策略提供了依据。     

基于神经网络的新疆金融风险预测

新疆作为“一带一路”经济带核心区,研究新疆金融风险对国内国际双循环新发展格局的形成具有重大意义。选取新疆2005—2019年的数据,得到11个指标,在此基础上运用K-means聚类算法,把2006—2020年新疆金融风险状态分为四类;再用误差逆传播神经网络建立新疆金融风险预测模型,根据2006—2020年新疆金融风险等级划分情况及数据对2021—2025年进行预测并检验神经网络模型回测和交叉验证的情况。预测结果表明2021年新疆金融风险处于一般状态,2022—2025年金融风险处于安全状态,表明新疆经济的过热增长是影响新疆金融风险的主要因素,新疆金融风险也将长期保持安全稳定的情况。