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。     

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。     

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.     

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。     

基于人工免疫FCM聚类算法的期货公司分类监管研究

股指期货的推出,为期货公司的发展提供了机遇和挑战。监管部门为促进期货公司发展提出对期货公司分类监管的思想。文章结合免疫算法和FCM方法提出适用于期货公司分类的聚类算法,为监管部门的分类监管提供新的计量模型。实证表明免疫FCM算法结果明显优于K-MEAN聚类结果。     

基于SPSS的电影聚类分析研究

本文基于SPSS利用层次聚类方法对20部影片进行聚类分析,并提出建议。     

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.     

K—means聚类算法分析应用研究

本文浅谈了数字图像处理的发展概况、研究背景并对彩色图像K—means算法进行分析．主要详细谈论了是对K-means算法的一些认识,并且介绍K-means聚类的算法思想、工作原理、聚类算法流程、以及对算法结果进行分析,得出其特点及实际使用情况.     

基于文本挖掘的自动非负矩阵分解的层次聚类方法

随着网络信息技术的飞速发展,人们在如此庞大的信息中如何找到有用的信息成为一个问题,文本挖掘技术在这样的背景下应运而生。为解决层次关系的文字资料的文本挖掘,文章提出一种新自动非负矩阵分解的层次聚类方法。实验结果对实际数据集进行了比较,结果表明,该方法对于所有情况的平均估计要优于其他传统方法,对于具有层次关系的文字资料的数据挖掘是一种较好的方法。     

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。