基于群體智能聚類研究及其在股市板塊分析中的應(yīng)用

1、 分 類 號(hào)： TP391.9 單位代碼： 單位代碼：10190 研究生學(xué)號(hào)： 研究生學(xué)號(hào)： 201402022 密 級(jí)：公開 公開 碩 士 學(xué) 位 論 文 基于群體智能聚類研究及其在股市板塊分析中的應(yīng)用 Research of Clustering based on Swarm Intelligence and Apply to

2、 Analyze Stock Plate 研 究 生 姓 名 研 究 生 姓 名 ： 邱 兵 專 業(yè)： 信息與通信工程 信息與通信工程 指導(dǎo)教師 指導(dǎo)教師及職稱 及職稱： 韓 旭 明 （教 （教 授） 授） 培 養(yǎng) 單 位： 長(zhǎng)春工業(yè)大學(xué) 長(zhǎng)春工業(yè)大學(xué) 2017 年 6 月 研 究 生 學(xué) 位 論 文 I

3、摘 要 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， 為開發(fā)數(shù)據(jù)信息資源做出重大貢獻(xiàn)。 聚類是一種無監(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。

4、 群體智能算法是一種演化計(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

5、 FOA 仍然存在不足：FOA 在處理復(fù)雜函數(shù)問題時(shí)，收斂速度減慢，且收斂精度降低。針對(duì)此問題提出一種實(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 通過實(shí)時(shí)的獲取種群知識(shí)，在種群陷入早熟時(shí)，通過獲取的種群經(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

6、道濃度較優(yōu)位置處的果蠅個(gè)體進(jìn)一步對(duì)局部區(qū)域進(jìn)行搜索，提高收斂精度。通過比較 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。 （1）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

7、距離的果蠅優(yōu)化算法（Fruit 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)，避免了無效移動(dòng)，提高算法的搜索效率。 （2）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