基于基函数展开的函数型数据聚类方法

文章在一个一般性的框架下研究了利用基函数展开进行函数型数据聚类的问题.在这个框架之下,大量传统的聚类方法都可以直接应用到函数型数据分析.另外,我们将Pearson相似系数引入函数型数据聚类分析,解决了欧式距离无法刻画曲线之间形态差异的问题.     

关于利用因子分析方法对变量分类的探讨

因子分析是一种将具有错综复杂关系的变量综合成数量较少的几个因子,以再现原始变量与因子之间的相互关系的一种多元统计分析方法.目前学术界对因子分析的应用一般局限于对多元变量群进行降维,从而降低分析问题的复杂性,而至于对变量分类,人们常用的方法是R型聚类分析.但是通过本文的研究却可以发现利用因子分析的方法同样可以达到对变量进行分类的目的,而且利用因子分析对变量分类的方法的理论本质与R型聚类分析是一致的.本文首先介绍了利用因子分析方法对变量分类的基本思想,然后通过实证分析,验证了该方法的可行性和可靠性.     

一种改进的Q型因子聚类法

文章借助对应分析的基本思路实现了对Q型因子分析算法上的改进,得到了一种新的能够处理海量数据的聚类方法。通过算法分析,该方法的时间复杂度为样本容量的线性阶,这充分体现了其在算法效率上的优越性。最后,将该方法应用于上市公司板块分析中,并取得了较好的效果。     

数据挖掘中一种新的聚类方法——基于对应分析与因子旋转

内容提要：本文基于Q型因子分析的基本思想,结合对应分析方法,建立了一种适用于大型数据库聚类的方法。该方法既解决了Q型因子分析算法效率方面的问题,也解决了传统对应分析法中缺乏客观分类标准、信息损失严重等多种缺陷,在实证分析中也取得了良好的效果。