本文關鍵詞：基于特征表示的金融多元時間序列數(shù)據(jù)分析

  更多相關文章： 金融多元時間序列 特征表示 股票數(shù)據(jù) 動態(tài)時間彎曲 聚類分析

【摘要】：文章引入動態(tài)時間彎曲方法度量金融多元時間序列數(shù)據(jù)中特征分量之間的相互關系,提出自適應中心線算法來獲取一條綜合序列,進而反映金融多元時間序列數(shù)據(jù)中特征分量之間的異步相關性,有效地實現(xiàn)金融多元時間序列的數(shù)據(jù)降維和特征表示。
【作者單位】： 華僑大學工商管理學院;
【關鍵詞】： 金融多元時間序列 特征表示 股票數(shù)據(jù) 動態(tài)時間彎曲 聚類分析
【基金】：國家自然科學基金資助項目(61300139) 福建省自然科學基金資助項目(2015J01581) 福建省中青年教師教育科研資助項目(JAS14024) 泉州市社會科學規(guī)劃基金資助項目(2015E01)
【分類號】：F830.9;F224
【正文快照】： 0引言金融時間序列是金融市場領域中常見的一類與時間相關的高維數(shù)據(jù),也是數(shù)據(jù)挖掘研究領域中具有挑戰(zhàn)性的數(shù)據(jù)類型之一[1~3]。在金融時間序列數(shù)據(jù)挖掘中,聚類分析是一項重要的無監(jiān)督機器學習技術,其聚類結果能夠有效地對股票市場的數(shù)據(jù)行為進行相似性劃分,這有利于企業(yè)和投資，

本文編號：593481