Web文本挖掘中模糊聚类的有效性评价研究

本文研究了基于模糊聚类的Web文本挖掘和模糊聚类有效性评价函数,并将其应用于Web文本挖掘中模糊聚类有效性评价。仿真实验表明该方法有一定的准确性和可行性。     

文本生成模型研究

文本的生成模型是基于文本向量空间表示基础上,针对文本数据的概率表示,针对文本的产生过程进行统计建模的方法。生成模型的优势在于在准确描述表示文本的前提下,达到提高文本挖掘效率的目的。同时,根植于概率统计的生成模型,拥有一整套用于模型学习、推论、模型比较、选择的理论和方法,是其他非统计方法所无法比拟的。本文介绍了用于描述可交换的离散数据集合主要的几种概率生成模型,在向量空间表示的基础上能够捕捉不同程度的词与词之间的上下文(主题)依赖性,因而在英文文本的挖掘上得到了一定程度的应用和肯定。     

基于读者日志分析的模糊聚类研究

为了能及时了解读者对图书的需求及阅读动向,提出了建立一个读者兴趣模型,并在此基础上进行模糊聚类研究,从中挖掘出读者的阅读规律。     

基于RFM模型的卷烟品牌聚类细分研究

本文针对当前烟草公司在品牌细分方面工作的不足,借助聚类分析的方法,通过对烟草零售户购买卷烟行为分析的实现对卷烟品牌畅销度的细分,帮助烟草公司实现在售香烟品牌的合理分类,优化客户资源与卷烟货源的配置。     

基于聚类算法的云平台物流调度模型研究

基于聚类算法的云平台是当前公有云的主要应用形式.平台整体资源利用率最大化、单虚拟机性能的最优化以及平台的服务接受率是聚类算法的设计目标.抽象出基于聚类算法的交叉环物流服务模型,对物流的服务模式、交叉环物流调度服务器等进行了设计.在此基础上对函数聚类算法各种需求向量的交叉环物流调度进行优化分析,最后在自主研发的云计算平台上验证了可行性.     

基于聚类算法的云平台物流调度模型研究

基于聚类算法的云平台是当前公有云的主要应用形式。平台整体资源利用率最大化、单虚拟机性能的最优化以及平台的服务接受率是聚类算法的设计目标。抽象出基于聚类算法的交叉环物流服务模型,对物流的服务模式、交叉环物流调度服务器等进行了设计。在此基础上对函数聚类算法各种需求向量的交叉环物流调度进行优化分析,最后在自主研发的云计算平台上验证了可行性。     

基于RFM模型的卷烟品牌聚类细分研究

本文针对当前烟草公司在品牌细分方面工作的不足,借助聚类分析的方法,通过对烟草零售户购买卷烟行为分析的实现对卷烟品牌畅销度的细分,帮助烟草公司实现在售香烟品牌的合理分类,优化客户资源与卷烟货源的配置。     

一种增长型自组织特征映射文本聚类方法

为建设和谐文明的网络环境,提升对网络不良文本信息的识别和应对能力。文章使用一种新颖的基于增长型自组织特征映射(GSOFM)和潜在语义索引(LSI)相结合方法用于不良文本聚类。这两种算法的结合能够发现全局和局部的模式特点。实验在相同的条件下使用了这种新颖的模式并和单一的GSOFM相比较。实验结果证明:这种新的两种技术的结合与单一的GSOFM方法相比提高了聚类结果的精确性,缩短了计算时间,为网络不良文本聚类提供了一种较好的方法。     

基于灰色聚类的物流中心选址

随着物流中心选址在物流系统中的重要性越来越大。而传统的方法都有其不可避免的缺陷，考虑到物流中心选址的灰色特性。本文重点介绍了灰色白化权函数聚类评价方法。讨论了灰色白化权函数聚类方法在物流中心选址中的应用．最后对结论进行了分析。     

基于密度的最佳聚类数确定方法

确定数据集的正确聚类数目是聚类分析中的一个基础性难题。常用的聚类数确定方法通常依赖特定的聚类算法,且在数据集存在子簇群的情况下效果欠佳。本文提出一种新的最佳聚类数确定的指标,该指标着重于分析簇的几何结构,从数据对象分布密度的角度来度量类内紧密度与类间分离度。该指标对噪声不敏感并且可以识别数据集中的子簇群,在实际数据和合成数据上的实验结果表明,新指标的性能优于广泛使用的其他指标。     

基于聚类分析的自动文摘中主题区域划分方法研究

针对在海量数据中,如何有效地自动获取文摘以提高检索效率的问题,本文提出了一种自动文摘中主题区域划分的方法。该方法对文章段落向量模型进行聚类分析,得到文章的主题结构。这种方法适用于各种风格的文体,能有效解决文章主题分布自由的问题,准确地划分出文章主题区域。     

基于演化博弈模型的产业集群式转移条件及政策适配性研究

集群式产业转移是有限理性的企业在产业转移过程中的合作,是群体决策、调整及决策稳定的过程。基于演化博弈模型,针对自由市场和引入政府干预两种情形下集群式产业转移条件的研究表明,在产业集群式转移过程中,下游企业复制动态演化博弈存在唯一的均衡策略;而上游企业复制动态演化博弈存在两个稳定均衡策略,既有可能收敛于全部转移,也有可能收敛于全部不转移。政府补贴或者惩罚虽不能确保集群式产业转移,但加大了产业集群式转移成功的概率,但在实践中应正确把握承接地政府补贴和转出地政府惩罚的度的问题。     

行业资产的Black-Litterman模型配置研究——基于社交网络情绪文本挖掘算法

研究目标:构建反映行业股价走势的基于社交网络文本挖掘算法的行业投资者情绪指标,并改善嵌入行业投资者情绪指标的Black-Litterman模型对资产的配置结果。研究方法:基于社交网络文本挖掘算法度量投资者情绪,运用主成分分析法构建行业投资者情绪指标,并嵌入Black-Litterman模型中构建投资者观点矩阵,确定行业资产配置比。研究发现:基于行业投资者情绪的BL模型有效提高了资产配置的日均收益率和夏普比率。实证结果在样本外验证(除受新冠疫情影响阶段)、暴涨暴跌阶段以及经过允许卖空和交易成本调整后仍稳健,进而证实了投资者情绪对资产组合有显著影响。研究创新:基于社交网络文本挖掘算法构建投资者情绪指数,解决了仅依赖于预期收益或历史数据的预测模型无法直观揭示投资者心理认知和行为的局限性问题,从一个崭新的视角科学地解决Black-Litterman模型中投资者观点的生成问题。研究价值:扩展了Black-Litterman模型理论体系研究,并推动了行为金融理论在资产配置中的应用。     

基于波动效应与价格发现的期指仿真交易研究

沪深300股指期货仿真交易的推出,对我国现货市场的影响如何以及这种影响是否有利于现货效率的改进。首次采用修正的GARCH模型和向量误差修正模型(VEC)将股指期货推出后现货市场波动性的变化和股指期货与现货市场的价格发现功能结合起来进行对比研究。结果表明,期指仿真交易的推出对于现货市场效率的改进确实存在正面的影响。其引入在短期内加大了现货市场的波动,但这一波动正是市场信息流动加速的反映,因而提高了市场信息的传递效率。同时期货价格领先于现货价格,存在由期货市场到现货市场长期的单向因果关系,说明期货价格具有引导现货价格向均衡方向调整的功能,从而在经验上支持了股指期货市场的开放政策。     

基于改进的话题检测技术的TBT预警系统研究

目前的TBT预警研究，使用经济理论和数学模型分析产业数据进行预警，数据收集困难，时效性差。针对以上不足，本文首次将改进的话题检测技术应用于TBT预警，设计了基于改进的话题检测技术的TBT预警系统模型，将改进的话题检测技术成功应用于TBT预警研究。实验结果证明，改进的话题检测技术显著提高了话题检测的精确度。     

基于粗糙集和C-均值聚类支持向量机的员工绩效评估方法

利用粗糙集的约简算法及类边界集分别选出影响绩效的核心因素和样本的边界集,将其应用于C-均值聚类网络得到具有概率信息(权重)的样本,作为支持向量机(SVM)的输入建立员工绩效评估模型。实例表明,该方法拟合率高,且性能优于SVM算法。     

基于高维聚类技术的中文关键词提取算法

关键词提取是中文信息处理技术研究中的热点和难点,基于统计信息的方法是其中一个重要分支。本文针对基于统计信息关键词提取方法准确率低的问题,提出基于高维聚类技术的中文关键词提取算法。算法通过依据小词典的快速分词、二次分词、高维聚类和关键词甄选4个步骤实现关键词的提取。理论分析和实验显示,基于高维聚类技术的中文关键词提取方法具备更好的稳定性、更高的效率和更准确的结果。     

基于状态空间模型的中国季度GDP季节调整(1996～2009年)

中国迄今为止尚未公布包括季度GDP在内的经季节调整的经济指标数据,这不仅不利于对中国宏观经济运行监测,也无法满足国际比较的迫切需要。本文对中国1996年一季度至2009年四季度的实际GDP构建基于状态空间形式的季节调整模型,通过卡尔曼滤波递推算法对状态向量的各分量进行了最优估计、平滑和预测,并对超参数进行了极大似然估计。在此基础上分析了这一期间中国GDP的主要季节和趋势特征,并计算出了季节调整后的季度环比增长率指标用来分析和监测经济走势,鉴别趋势拐点,制定相关经济政策。最后通过与国际通用的TRAMO-SEATS季节调整模型的对比发现其优越性。