演化聚類研究及其在金融股票市場(chǎng)的應(yīng)用.pdf

1、在經(jīng)典的基于統(tǒng)計(jì)的機(jī)器學(xué)習(xí)中，所有數(shù)據(jù)都是獨(dú)立并且同分布的，即數(shù)據(jù)是靜態(tài)的。然而在很多現(xiàn)實(shí)的應(yīng)用中，數(shù)據(jù)的分布并非是靜態(tài)的，而是隨時(shí)間發(fā)生動(dòng)態(tài)的變化，對(duì)這類數(shù)據(jù)的演化聚類分析已經(jīng)成為一個(gè)重要的課題。在數(shù)據(jù)隨時(shí)間演化的場(chǎng)景中，演化聚類通常比傳統(tǒng)的靜態(tài)聚類更加高效，前者不僅能夠得到反映數(shù)據(jù)長(zhǎng)期變化趨勢(shì)的聚類結(jié)果，而且當(dāng)數(shù)據(jù)具有短期噪聲時(shí)，算法仍然具有良好的魯棒性。
　　本文基于演化聚類，引入了數(shù)據(jù)時(shí)間窗口的概念，并提出了高平滑演化聚類

2、的框架。在該框架下，歷史數(shù)據(jù)的重要性隨時(shí)間流逝而不斷衰減，高平滑演化聚類在聚類過(guò)程中按照不同的權(quán)重考慮更多的歷史數(shù)據(jù)，從而在總體上得到更具時(shí)間平滑性的聚類結(jié)果。本文進(jìn)一步對(duì)譜聚類算法和K均值聚類算法進(jìn)行擴(kuò)展，得到其高平滑演化版本的算法，并通過(guò)實(shí)驗(yàn)展示了高平滑演化聚類對(duì)原演化聚類的優(yōu)勢(shì)。
　　此外，在現(xiàn)實(shí)應(yīng)用中，能夠描述出數(shù)據(jù)在不同時(shí)刻的聚類之間的演化軌跡，對(duì)于演化數(shù)據(jù)的學(xué)習(xí)是很有必要的。本文研究了聚類的演化軌跡框架MEC，該框架在