时间序列聚类分析中几种算法的研究及应用

发布时间：2020-05-06 14:53

【摘要】：聚类是无监督机器学习方法之一,聚类数据可以帮助识别相似数据,为决策行为提供最佳方案。例如,预订出租车应用程序可以把客户数据进行聚类分析以匹配供求关系、检测电子商务交易的恶意订单类型或在约会应用程序中将客户分类等。为了得到聚类的最佳决策结果在各种的聚类分析都有自己的基本条件请求,当用错误的数据分析条件请求时会导致低质量的结果。因此,我们希望深入研究和比较这类数据。应用时间序列分析基于先前观测值的预测,将聚类分析和时间序列数据混合起来,以便更好地理解聚类分析,以达到服务广大公众的初心,同时还希望更多的专家学者在这一领域持续探索,以期未来在更广泛的领域应用。目前常用于描述金融市场中的数据,如数字货币、人民币兑美元汇率、上海证券交易所50指数(上证50)和泰国证券交易所50指数(泰证50)。本文主要研究金融时间序列数据的时间序列聚类算法比较,通过时间序列聚类分析研究金融市场的数据,得出不同数据集的最有效聚类算法,并验证了其合理性及有效性。本文主要内容如下:1、论文依次介绍了数据挖掘、机器学习、时间序列聚类的重要性以及相关的一些检验方法的基本原理,为文章开展正式研究奠定理论基础。2、论文综述了生物信息学、机器人学、医学、化学、手势识别、语音识别、跟踪、金融、生物特征学、天文学、制造学等领域的相关数据挖掘、机器学习和时间序列聚类研究。3、论文通过分析时间序列聚类的结构,包括距离测量、时间序列原型、聚类算法和聚类评价标准等几个部分。本文针对每个数据集分别设置了3种模式的聚类算法,如层次聚类、k-中心点划分聚类、K-形划分聚类和Tadpole划分聚类。我们使用轮廓索引(Silhouette index)、COP索引(COP index)、DB索引(DB index)、CH索引(CH index)和DB*索引(DB*index)等聚类评价方法来比较这些聚类算法是否有效性。4、论文在实证分析中,构建了关于数字货币、人民币兑美元汇率、上证50指数(上证50)和泰国证券交易所50指数(泰证50)的时间序列聚类分析。对每个时间序列数据集使用3种聚类算法模式比较,并用5个指标对聚类算法进行评价,以确定每个聚类算法的有效性。研究结果表明,层次算法是对于非等长度数据数字货币和上证50指数最有效的算法。另外,对于等长度数据所有货币兑美元汇率和泰国证券交易所50指数(泰证50),划分算法是最有效的。
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F224

【相似文献】

相关期刊论文 前10条

1 孙其法;闫秋艳;闫欣鸣;;基于多样化top-k shapelets转换的时间序列分类方法[J];计算机应用;2017年02期

2 王金策;杨宁;;时间序列趋势预测[J];现代计算机(专业版);2017年02期

3 彭佳星;肖基毅;;基于分型转折点的证券时间序列分段表示法[J];商;2016年31期

4 刘伟龙;;基于ARMA模型的股价预测及实证研究[J];智富时代;2017年02期

5 周仰;;《漫长的告别》(年度资助摄影图书)[J];中国摄影;2017年04期

6 王嵬;;王嵬作品[J];当代油画;2017年07期

7 刘明华;张晋昕;;时间序列的异常点诊断方法[J];中国卫生统计;2011年04期

8 郭崇慧;苏木亚;;基于独立成分分析的时间序列谱聚类方法[J];系统工程理论与实践;2011年10期

9 王佳林;王斌;杨晓春;;面向不确定时间序列的分类方法[J];计算机研究与发展;2011年S3期

10 万里;廖建新;朱晓民;倪萍;;一种基于频繁模式的时间序列分类框架[J];电子与信息学报;2010年02期

相关会议论文 前10条

1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年

2 张可;李媛;柴毅;黄磊;;基于分段趋势的符号化时间序列聚类表示[A];第37届中国控制会议论文集（D）[C];2018年

3 徐光晶;;统计学在大地电磁测深时间序列处理中的应用[A];2017中国地球科学联合学术年会论文集（二十九）——专题57：电磁地球物理学研究及其应用[C];2017年

4 毛宇清;王咏青;王革丽;;支持向量机方法应用于理想时间序列的预测研究[A];中国气象学会2008年年会气候预测研究与预测方法分会场论文集[C];2008年

5 吴丽娜;黄领梅;沈冰;吕继强;;黄河上游降水时间序列混沌特性识别与预测年限分析[A];水系统与水资源可持续管理——第七届中国水论坛论文集[C];2009年

6 吴坚忠;路子愚;郑应平;;时间序列社会悖论模型及分析[A];1989年控制理论及其应用年会论文集（上）[C];1989年

7 雷敏;孟光;谢洪波;Kerreie Mengersen;Peter Bartlett;;嵌入维数对复杂时间序列的熵分析的影响研究[A];中国力学大会-2015论文摘要集[C];2015年

8 王兆甲;王海良;;一种相似时间序列挖掘算法及其在汽车运动分析中的应用[A];2014中国汽车工程学会年会论文集[C];2014年

9 林忠辉;莫兴国;薛玲;;用NDVI时间序列确定作物物侯和作物类型判别[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

10 王冬;章家义;陈宗;;配电网时间序列数据的云计算集群快速压缩模型[A];2017年江西省电机工程学会年会论文集[C];2018年

相关重要报纸文章 前10条

1 王晓宝 杨永恒 永安期货;浅析波动率的均值回复特征[N];期货日报;2017年

2 东证期货 王爱华　杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年

3 国家统计局核算司 吕峰;不变价GDP时间序列数据的构造[N];中国信息报;2016年

4 ;《时间序列与金融数据分析》[N];中国信息报;2004年

5 何德旭 王朝阳;时间序列计量经济学：协整与有条件的异方差自回归[N];中国社会科学院院报;2003年

6 刘俏;让数据坦白真相[N];21世纪经济报道;2003年

7 卞纪;我国多时间序列湿地遥感制图完成[N];中国气象报;2011年

8 权证一级交易商 国信证券;正股走势及时间序列主导下半年权证市场运行结构[N];证券时报;2006年

9 广发期货股指研究小组 谢贞联;Hurst指数提示市场升势或将形成[N];上海证券报;2012年

10 丁睿 中粮期货研究院;试论指数HP滤波分析法的应用[N];期货日报;2014年

相关博士学位论文 前10条

1 张方;局部相似分析的统计研究及其在生物时间序列中的应用[D];山东大学;2019年

2 张琪;时间序列流数据异常检测问题的研究[D];山东大学;2019年

3 郝鹏宇;基于多时相遥感数据的作物早期识别[D];中国农业科学院;2019年

4 康峻;基于时间序列遥感数据的植被精细分类与覆盖度反演研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年

5 林蕾;基于循环神经网络模型的遥感影像时间序列分类及变化检测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年

6 丁红;柳江径流分析与预测研究[D];武汉理工大学;2016年

7 周超;集成时间序列InSAR技术的滑坡早期识别与预测研究[D];中国地质大学;2018年

8 丁超;MODIS时间序列重建方法与应用[D];中国地质大学(北京);2018年

9 魏永强;煤矿瓦斯监测数据插值与预测研究[D];中国矿业大学(北京);2015年

10 杨玉军;基于机器学习的时间序列模型研究及其应用[D];电子科技大学;2018年

相关硕士学位论文 前10条

1 李净;医保大数据资金预测模型的研究与实现[D];山东大学;2019年

2 赵超;融合选择性提取与子类聚类的快速时间序列shapelet发现算法[D];山东大学;2019年

3 丁一明;时间序列流数据相似性搜索的研究[D];山东大学;2019年

4 李尚戈;环境胁迫下水生生物逐级行为响应阈值开关的数学模型构建[D];山东师范大学;2019年

5 狄天一;气象领域时间序列配准与缺失值处理方法研究与应用[D];长春工业大学;2019年

6 靖传宝;基于Landsat时间序列数据的城市景观格局分析[D];山东师范大学;2019年

7 陈美云（Duangrux Tangsirisakul）;时间序列聚类分析中几种算法的研究及应用[D];中国矿业大学;2019年

8 韩如愿;两种基于数据驱动的库存预测方法研究[D];厦门大学;2017年

9 曹西娟;模糊时间序列在钻井风险概率中的预测及应用[D];西南石油大学;2018年

10 王子一;基于特征提取的时间序列分类方法的研究[D];南京大学;2019年

，

本文编号：2651447