上证指数预测模型——基于二次规划最优组合的神经网络方法

文章利用主成份分析构造神经网络输入矩阵;利用Bagging技术和不同神经网络算法生成一组神经网络个体;最后用二次规划最优组合方法,计算各集成个体的最优非负权系数进行组合集成,生成输出结论,以此建立股市预测模型。通过上证指数开盘价进行实例分析,计算结果表明该方法预测精度高、稳定性好,易于操作。     

上证指数预测摸型——基于二次规划最优组合的神经网络方法

文章利用主成份分析构造神经网络输入矩阵:利用Bagging技术和不同神经网络算法生成一组神经网络个体:最后用二次规划最优组合方法,计算各集成个体的最优非负权系数进行组合集成,生成输出结论,以此建立股市预测模型.通过上证指数开盘价进行实例分析,计算结果表明该方法预测精度高、稳定性好,易于操作.     

一种新的神经网络集成方法在证券分析预测中的应用

文章利用Bagging技术和不同的神经网络算法生成集成个体,并用偏最小二乘回归方法从中提取集成因子,再利用贝叶斯正则化神经网络对其集成,以此建立上证指数预测模型。通过上证指数开盘价进行实例分析,计算结果表明该方法预测精度高、稳定性好。     

基于改进模糊聚类算法的灰色预测模型

目前研究的模糊C均值聚类算法(FCM)面临的最重要问题是初始值随机选取,导致其容易陷入局部最优,同时影响运算速度.而灰色预测GM(1,1)模型在形成预测公式时对初始值的选取也没有合理有效的方案.针对以上问题,文章提出坐标密度法,确定初始聚类中心,对FCM算法进行改进;接着提出运用改进的FCM求取GM(1,1)中数据的聚类中心,并把聚类中心作为初始值的方法;通过与已知算法进行比较验证了其可行性和有效性.     

农田土壤环境质量的最优模糊聚类及其分级

本文利用模糊聚类分析和多元统计分析,给出了求最优模糊聚类的方法和对基于重金属和有机氯的土壤环境质量进行聚类和分级的方法,并利用该聚类和分级的方法对太湖地区某市农田的土壤样进行聚类和分级。从聚类结果来看,本方法分类是将环境质量相近的土壤样分在同一类。从分类结果来看,绝大部分土壤样处于相对安全状态,适于一般农业经济产品的产生。本文所用方法有利于土壤环境质量研究的定量和数字化。     

基于概率神经网络与多重分形的海温预测模型

文章提出了一种基于多重分形与概率神经网络相结合的海温预测方法.该方法利用多重分形方法将海温序列挖掘出多个蕴含海温变化信息的时间序列;利用多重分形计算得到的多个时间序列作为概率神经网络的输入因子建立预报模型;利用该预报方法对NINO综合区平均海温进行未来1～3个月的预报实验,结果表明:该方法能较好的实现NINO综合区平均海温的预测,这对厄尔尼诺/拉尼娜现象的监测和预报工作提供了一种新的方法.     

经济波动的模糊聚类分析

模糊数学超越了传统数学的二值逻辑基础 ,利用隶属度概念对客观事物进行描述刻划。模糊聚类法是根据隶属度大小对模糊现象进行聚类分析的一种多元统计方法。经济波动是经济运行过程中的一种客观现象。文章利用模糊聚类法对我国近 11年来的经济波动进行聚类划分 ,根据分析结果并结合经济运行实际状况对波动产生的背景及原因进行了探讨 ,对当前和今后的经济发展趋势进行了预测。     

基于多因子选股的半监督核聚类算法改进研究

研究了一种附有引力影响因子的半监督K-means核函数聚类算法,并将该方法应用于多因子选股模型中。研究表明,相比传统的聚类模型,改进的模型具有较强的泛化能力,模型在处理样本线性不可分、样本分布非球状簇等问题上具有明显的优势,能选出较优的股票组合。     

基于广度优先搜索的变异加权模糊C-均值聚类算法

针对传统模糊C-均值聚类方法(fuzzy C-means,简称FCM)对初始值敏感导致的易陷入局部最优和噪声敏感问题,文章提出一种基于广度优先搜索的变异加权模糊C-均值聚类算法.该算法通过改进具有全局搜索能力的广度优先搜索算法(Breadth Fist Search,BFS)和有效聚类评价函数相结合,确定了接近真实的初始聚类中心,同时能够剔除噪声数据.在此基础上考虑属性噪声对聚类结果的影响问题,引入变异系数赋权法对FCM的目标函数进行改进,进一步提高了FCM算法的抗噪性.实验结果表明,该算法能够有效的克服传统FCM的不足,与其他聚类算法相比,具有较快的收敛速度、更好的聚类准确率及较高的抗噪性.     

一种针对不完全观测数据的消费者聚类方法

现有聚类方法都是基于消费者全部的行为信息,对于观测不完全的信息,提出了三阶段聚类方法。首先,使用样本数据的全部信息对消费者聚类;接着仅使用人口统计变量建立分类模型;最后对上述结果进行修正。三阶段聚类方法最大优点是可以将没有入选样本的个体分配到由样本个体得到的行为集群中去,将这个方法应用于电视行业,得到了很有实际应有价值的结果。     

基于改进的自适应传播模型的农业风险区划分析

农业险定价中的核心问题是农业风险区划问题,为了体现农业区划中个体指标的动态发展特征,根据近邻传播改进自适应近邻传播聚类方法对数据进行优化,基于轮廓系数、归属度和吸引度得到最佳聚类中心和几何聚类中心,并将聚类转化为新数据集的聚类问题;选取代表性的棉花为例进行实证分析,通过计算生产、销售、收入、财政等指标进行棉花风险区划实例分析,计算最优棉花风险区划,结果表明对于具有动态特征的数据,本模型具有很好的有效性、实用性和解释性。     

基于动态时间规整的面板数据聚类方法研究及应用

以往的面板数据聚类方法存在一些缺陷,有必要基于动态时间规整的思路进一步改进与完善面板数据聚类方法。利用国家级经济技术开发区数据开展的实证分析结果表明：新的方法既能够很好地反映面板数据的动态变化、又避免了已有的面板数据聚类方法中各种距离如何赋权的问题,聚类结果较为稳定且有很好的可视化效果。     

基于模糊时间序列模型的股票市场预测

文章针对模糊时间序列模型目前存在的缺乏客观论域划分方法和模糊关系前件单一等缺陷,首先应用模糊聚类方法将数据分类,以相邻两个聚类中心的中点作为子区间的分界点来划分论域;其次将数据模糊化后根据证券市场主要量价指标建立了具有多个前件的高阶模糊关系;最后根据序列对比规则计算预测值。将该模型用于股票指数的价格预测和涨跌预测,与传统模型比较的结果表明其预测准确率有了较大提高。     

基于半静态分层抽样的模糊聚类分析方法的改进

基于统计模型的模糊聚类算法的时间复杂度在数据集规模超过一定数量级时是计算不可行的,解决时间复杂度的一个行之有效的方法是抽样.文章通过对静态抽样进行改进,设计了一种半静态抽样法,使样本数据集最大程度得保持原数据集的信息,并保证聚类结果的不失真性;最后通过实证分析,比较并证明了该方法是有效的.     

基于模糊聚类的省域物流发展评价研究

采用模糊聚类方法对省域物流发展综合实力进行评价，利用建立的省域物流发展评价指标体系，运用模糊聚类方法对黑龙江省域物流发展进行聚类分析，提出黑龙江省省域物流发展可划分为哈大齐、哈牡绥、佳木斯城市群三个物流区域，根据其不同的特点制定相应的发展策略。     

基于聚类关联规则的缺失数据处理研究

 本文提出了基于聚类和关联规则的缺失数据处理新方法,通过聚类方法将含有缺失数据的数据集相近的记录归到一类,然后利用改进后的关联规则方法对各子数据集挖掘变量间的关联性,并利用这种关联性来填补缺失数据。通过实例分析,发现该方法对缺失数据处理,尤其是海量数据集具有较好的效果。     

改进的模糊聚类方法在R&D资源分类中的应用

传统的FCM算法没有考虑不同属性对分类效果的影响和大小不同的问题,文章从特征贡献平衡原则和类间分离度最大原则两个方面考虑,得到样本各维属性有差异的权重系数,进而给出了带有权重的FCM算法,并将这一改进的模糊聚类方法应用到湖北省12个市、区R&D资源划分分析中,结果表明改进的模糊聚类分析方法在应用中可以取得更好的效果.     

基于改进CRITIC赋权法和模糊优选法的大气质量评价

针对以往大气环境评价指标赋权的主观性、仅注重个体或整体而忽略彼此联系,文章提出用变异系数改进的CRITIC法和超标倍数法集成的指标权重;针对大气环境系统的模糊性和不确定性,采用模糊优选法对南京市2003-2013年大气环境进行评价,克服了以往模糊评价中隶属函数选择主观性,实现了不同年份和标准等级的大气质量同时排序.     

一种基于模糊核聚类的视觉注意分配度量方法

视觉注意分配探讨个体如何选择性地注意外界信息。本文根据人类视觉系统的感知特点,提出一种定量描述视觉注意分配的方法。首先,模拟人类视觉感知机制,描述视线映射到界面上注视点的注意程度;然后,利用模糊核聚类算法计算注视点属于不同界面对象的程度,将注视点的注意程度和隶属度相结合构建两种视觉注意计算模型,分别为KFCM-A模型和KFCM-U模型;最后,设计相关眼动实验来验证视觉注意计算模型的有效性。实验结果表明:视觉注意计算模型能够较好地描述被试者个体的注意分配策略,且KFCM-U模型识别被试者搜索目标的准确率高达94.4%,较优于KFCM-A模型。     

基于BP神经网络的信息商品价格预测模型

从信息商品价格的特点和BP神经网络的功能出发,借助样本训练集和改进的BP算法提出了基于BP神经网络的信息商品价格预测模型,并对模型的泛化精度进行了讨论,最后进行了仿真实验.