上证指数与股票收盘价相关性实证研究

本文针对相关系数的特征,提出全集相关系数及子集相关系数序列方法;以1990年12月19日-2016年12月30日披露的部分个股收盘价及上证指数数据为样本,按照一一对应原则进行了数据挖掘,研究筛选后的样本数据。研究结果表明,上证指数与不同的个股收盘价存在着不同程度相关性;个股收盘价与上证指数的相关性随时间而发生变化;以上证指数为参照系,有效研判个股的变化特征。本文的研究结论为证卷市场股票分类及参照上证指数实施股票投资操作提供重要依据。     

基于多支持度的增量式关联规则挖掘算法

传统的基于关联规则的挖掘算法采用的是统一的最小支持度,但是在实际的事务数据库中数据项的重要性是不同的。针对目前多支持度和增量式关联规则更新维护的局限性,提出一种基于多支持度的增量式关联规则挖掘算法。允许用户根据不同项的重要性设置权值,有利于发现更多有趣的规则。采用矩阵的向量内积策略,结合动态剪枝,无需多次扫描事务数据库,不生成庞大候选集。实验结果验证了算法的有效性。更多还原     

SDSS-DR10中WDMS光谱的自动搜索研究

SDSS-DR10是美国SLOAN巡天望远镜发布的最新数据,包含了首批APOGEE光谱。这些海量的天文光谱除了可以用来探寻银河系的结构和进行多波段证认外,还蕴藏着包括白矮主序双星在内的特殊天体。白矮主序双星是一类特殊的双星系统,它由两颗主序星演化而来,包含了中低质量恒星演化的终点—白矮星,以及M矮星。白矮主序双星对于密近双星的演化和参数研究有积极的意义。目前针对这类特殊天体的发现主要使用测光筛选结合后期观测证认的方法,不但准确率低,而且需要耗费较多的人工处理时间,无法满足在海量光谱数据中快速发现目标天体的需要。提出一种适用于在海量天文光谱中自动、快速发现白矮主序双星的方法。该方法针对SDSS的DR10数据,使用改进的遗传算法对海量光谱进行自动识别,寻找白矮主序双星候选体。实验共发现了4, 140个白矮主序双星,通过交叉证认,其中24个是未被收录的新的源。验证了遗传算法在天文数据挖掘和自动搜索方面的有效性,为在海量光谱中快速发现特殊天体提供了另一途径。该方法也可用于在其他巡天望远镜的海量光谱中进行特定天体的自动识别。提供了新发现的白矮主序双星的赤经、赤纬等信息,补充了现有的白矮主序双星光谱库。     

基于可分解马尔科夫网的视频图像检测方法研究

研究了可分解马尔科夫网的概念、方法,分析了可分解马尔科夫网在序列图像数据挖掘中的作用与意义,并直接将马尔科夫网的结构作为决策或推理依据,应用于问题求解,拓广了可分解马尔科夫网应用的可能性;以真实交通违章的视频图像为例,以多种粒度(节点数)广泛研究建立视频图像间的可分解马尔科夫网并分析其对问题的适用性,通过网络结构分析来检测视频图像间的差异,从而发现某种有意义的模式(例如,交通违章);仿真结果表明所提方法具有实用价值和较好效果;研究结果表明可分解马尔科夫网可以很好地揭示数据间的抽象近邻关系,并且这种网络具有很好的知识表达和逻辑推理的作用,是重要的模式识别方法。     

数据挖掘技术的理论及应用

数据挖掘是近年来国际上智能信息处理和决策支持分析领域的最前沿的研究方向之一.本文综合介绍了数据挖掘的主要概念和新技术,并展示了其丰富的应用领域.     

基于数据挖掘建立高校系科办学评估体系的合理性评价系统

本文运用关联规则发现方法与人事信息库进行数据挖掘,寻找高校系科办学评估体系中各因素间的关联关系,并根据关联关系强弱分析各因素的权重设置的合理性。本文分析和指出了现有一些看法的优缺点,提出了在Tid-optim算法,并对发现的规则进行分析,通过数据抽样建立合理性评价体系,有效地解决了权重设置的不合理问题,为高校管理决策提供科学依据。     

基于Fuzzy理论的数据挖掘算法研究(Ⅰ)

“数据挖掘”是数据处理的一个新领域.支持向量机是数据挖掘的一种新方法,该技术在很多领域得到了成功的应用.但是,支持向量机目前还存在许多局限,当支持向量机的训练集中含有模糊信息时,支持向量机将无能为力.为解决一般情况下支持向量机中含有模糊信息(模糊参数)问题,研究了模糊机会约束规划、模糊分类中的模糊特征及其表示方法,建立了模糊支持向量分类机理论,给出了模糊线性可分的模糊支持向量分类机算法.     

基于数据变换的维数消减方法

为了提高高维数据集合数据挖掘效率，探讨了采用数据变换进行数据维数消减的方法及其应用，提出了一个通用的数据变换维数消减模型，给出了应用主成分分析方法计算模型中的数据变换矩阵的方法，相应的数据变换应用实例表明，通过数据变换用相当少的变量来捕获原始数据的最大变化是可能的．     

数据挖掘中聚类中心问题的光滑化和填充函数方法

本文提出了数据挖掘中求解聚类中心问题的一种新方法.这类问题属于非凸非光滑全局最优化问题.我们首先利用光滑化方法将非光滑聚类函数用光滑函数逼近,然后对光滑化问题利用填充函数搜索其全局最优点.对不同数据库的数值试验表明,本文提出的算法是可行和有效的.