版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、大數(shù)據(jù)時(shí)代背景下,股票市場(chǎng)產(chǎn)生的數(shù)據(jù)越來(lái)越多,傳統(tǒng)分析方法已很難滿足現(xiàn)代對(duì)股市板塊分析的需求,如何從海量股票數(shù)據(jù)中挖掘出有用信息,并對(duì)股市板塊進(jìn)行分析和預(yù)測(cè)成為了一個(gè)重要的研究課題。數(shù)據(jù)挖掘作為一種新的數(shù)據(jù)技術(shù)在此環(huán)境背景下迅速發(fā)展,為開(kāi)發(fā)數(shù)據(jù)信息資源做出重大貢獻(xiàn)。聚類是一種無(wú)監(jiān)督學(xué)習(xí)的數(shù)據(jù)挖掘技術(shù),可以充分地分析數(shù)據(jù)內(nèi)部特征和數(shù)據(jù)間的聯(lián)系。通過(guò)形成的多個(gè)簇,挖掘出數(shù)據(jù)之間潛在的聯(lián)系與特征,避免直面龐大的數(shù)據(jù)集。
群體智能算法
2、是一種演化計(jì)算技術(shù),具有實(shí)現(xiàn)簡(jiǎn)單、收斂速度快、全局收斂性優(yōu)等優(yōu)點(diǎn),已受到越來(lái)越多國(guó)內(nèi)外專家和學(xué)者的關(guān)注。群體智能優(yōu)化算法是人工智能的一個(gè)重要分支,與人工生命聯(lián)系緊密。通過(guò)模擬自然界生物群體的各種行為,利用個(gè)體之間的信息傳遞和合作實(shí)現(xiàn)尋優(yōu)的目的。
果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm,FOA)是群體智能優(yōu)化算法的一種,因其尋優(yōu)精度高且設(shè)置參數(shù)少,已經(jīng)廣泛應(yīng)用到多個(gè)領(lǐng)域。但是FOA仍然存在
3、不足:FOA在處理復(fù)雜函數(shù)問(wèn)題時(shí),收斂速度減慢,且收斂精度降低。針對(duì)此問(wèn)題提出一種實(shí)時(shí)學(xué)習(xí)的果蠅優(yōu)化算法(A Real-Time Learning Fruit Fly Optimization Algorithm,RTLFOA)。RTLFOA通過(guò)實(shí)時(shí)的獲取種群知識(shí),在種群陷入早熟時(shí),通過(guò)獲取的種群經(jīng)驗(yàn)引導(dǎo)果蠅群體進(jìn)行不同尺度的變異。變異后,味道濃度較差位置處的果蠅個(gè)體進(jìn)行全局搜索,提高算法的收斂速度;味道濃度較優(yōu)位置處的果蠅個(gè)體進(jìn)一步對(duì)
4、局部區(qū)域進(jìn)行搜索,提高收斂精度。通過(guò)比較 RTLFOA與其它算法對(duì)基準(zhǔn)函數(shù)收斂性的測(cè)試結(jié)果,證明了RTLFOA有效的提高了收斂速度和收斂精度。
近鄰傳播聚類算法(Affinity Propagation,AP)是一種無(wú)監(jiān)督學(xué)習(xí)的聚類算法,不必指定聚類數(shù)目且處理大規(guī)模數(shù)據(jù)集具有較好的聚類結(jié)果。但是AP聚類算法的偏向參數(shù)設(shè)置難度大。
?。?)基于群體智能優(yōu)化算法的全局搜索能力,首先提出基于差異化距離的果蠅優(yōu)化算法(Frui
5、t Fly Optimization Algorithm based on Differential Distance,FOADD)。FOADD算法使距離原點(diǎn)相同距離處的果蠅同時(shí)移動(dòng),避免了無(wú)效移動(dòng),提高算法的搜索效率。
?。?)基于FOADD的快速搜索能力,提出基于差異化距離果蠅優(yōu)化的近鄰傳播聚類算法(Affinity Propagation based on FOADD,AP-FOADD)。在搜索空間內(nèi)對(duì)偏向參數(shù)進(jìn)行尋優(yōu),并
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于群體智能聚類研究及其在股市板塊分析中的應(yīng)用.pdf
- 元啟發(fā)聚類及其在股市板塊分析中的應(yīng)用.pdf
- 基于群體智能的聚類算法研究.pdf
- 基于群體智能的文本聚類技術(shù)研究.pdf
- 核聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 聚類算法及其在頁(yè)面聚類中的應(yīng)用研究
- 基于群體智能的文本聚類技術(shù)研究
- 譜聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 聚類算法及其在頁(yè)面聚類中的應(yīng)用研究.pdf
- 基于多智能體進(jìn)化算法的聚類及其在圖像分割中的應(yīng)用.pdf
- 基于群體智能算法的聚類挖掘方法研究.pdf
- AFS聚類方法研究及其在模糊數(shù)據(jù)聚類中的應(yīng)用.pdf
- 模糊聚類及其在中文文本聚類中的應(yīng)用研究.pdf
- 基于計(jì)算智能的聚類技術(shù)及其應(yīng)用研究.pdf
- 群體智能的研究及其在知識(shí)發(fā)現(xiàn)中的應(yīng)用.pdf
- 文本聚類及其在電子病歷分析中的應(yīng)用研究.pdf
- 聚類算法及其在客戶行為分析中的應(yīng)用研究.pdf
- K-medoids聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 蟻群算法研究及其在聚類中的應(yīng)用.pdf
- 譜聚類研究及其在入侵檢測(cè)中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論