融入概念相似度的計(jì)算動(dòng)詞決策樹分類算法研究及其在期貨市場的應(yīng)用.pdf

1、隨著零售業(yè)的聯(lián)機(jī)事務(wù)處理、金融市場及傳感器網(wǎng)絡(luò)等發(fā)展，存在著大量的快速變化的、潛在無限的數(shù)據(jù)流。而在這些數(shù)據(jù)流中往往存在著大量有用的知識，因而如何從數(shù)據(jù)流中挖掘出這些未知但又有價(jià)值的信息，從而指導(dǎo)人們做出決策，是當(dāng)前數(shù)據(jù)挖掘領(lǐng)域所面臨的熱點(diǎn)和難點(diǎn)之一。特別是針對隱含有概念漂移的數(shù)據(jù)流，如何研究出一種能夠適應(yīng)概念漂移數(shù)據(jù)流的分類方法，并對周期性出現(xiàn)的概念能夠更有效地處理，是本文的研究重點(diǎn)。
　　 與此同時(shí)，期貨市場是一個(gè)非常復(fù)雜的

2、非線性的動(dòng)態(tài)時(shí)間序列系統(tǒng)，它傳遞的價(jià)格信息是對未來供求狀況的預(yù)期。因此，對期貨市場進(jìn)行價(jià)格趨勢的預(yù)測，對于國民經(jīng)濟(jì)的發(fā)展，政府進(jìn)行市場監(jiān)管，投資者投資凈效用最大化等方面都有極其重要的意義。正是基于此，本文提出了融入概念相似度的計(jì)算動(dòng)詞決策樹分類算法，該算法不僅引入計(jì)算動(dòng)詞概念，使得生成的決策樹具有動(dòng)態(tài)預(yù)測效果，還能夠針對數(shù)據(jù)流中出現(xiàn)的概念進(jìn)行存儲，再一次出現(xiàn)時(shí)通過相似度計(jì)算進(jìn)行歷史概念匹配和查找，用相似度較高的一個(gè)或幾個(gè)歷史概念對應(yīng)的分

3、類器對其進(jìn)行分類，大大加快了分類速度，更能夠適應(yīng)期貨市場實(shí)時(shí)預(yù)測。
　　 本文首先闡述了數(shù)據(jù)挖掘背景以及期貨市場量化投資的相關(guān)研究基礎(chǔ)，指明在期貨市場量化投資的策略上，應(yīng)用數(shù)據(jù)挖掘相關(guān)知識能夠達(dá)到較好的效果。然后簡單的介紹了數(shù)據(jù)挖掘中隱含概念漂移的數(shù)據(jù)流分類算法，及期貨市場量化投資現(xiàn)有的相關(guān)研究方法。
　　 其次，本文研究了融入概念相似度的隱含概念漂移的決策樹分類算法。該算法通過概念的定義計(jì)算概念之間相似度，對相似度高的

4、新概念免去學(xué)習(xí)過程直接用歷史概念的分類器對其進(jìn)行分類。同時(shí)介紹了計(jì)算動(dòng)詞決策樹算法，通過引入計(jì)算動(dòng)詞概念，使得新的決策樹能夠體現(xiàn)動(dòng)態(tài)變化過程。
　　 最后，本文結(jié)合上述兩種算法研究一種新的融入概念相似度的計(jì)算動(dòng)詞決策樹分類算法，首先對數(shù)據(jù)庫進(jìn)行動(dòng)詞化，然后當(dāng)檢測到數(shù)據(jù)流發(fā)生概念漂移時(shí)，算法并非直接對當(dāng)前數(shù)據(jù)流進(jìn)行訓(xùn)練得到新的分類模型，而是先對當(dāng)前數(shù)據(jù)（概念外延）進(jìn)行相似度檢驗(yàn)，查找相似度高的概念內(nèi)涵或者較高的概念內(nèi)涵，使用高相似