基于主成分分析和 Eros 的邻近传播算法在金融数据集中的应用

摘要：

金融数据集的多维特性和高噪声特性使得对金融时间序列数据的分析难上加难，本文提出一种基于主成分分析和Eros的近邻传播的聚类算法。首先利用主成分分析方法对多变量的金融时间序列数据进行降维处理，提取出主要特征值；然后使用基于Eros的近邻传播算法聚类对提取出的特征值进行分析。该聚类方法可以把数据集中的个体当作是原始数据的一个属性，通过迭代竞争达到最优，不需要事先确定聚类数目。研究结果表明，这种集成算法大大降低了时间序列数据的维度，有很高的分类正确率，表明该聚类方法用于金融时间序列数据处理是有效可行的。

关键词：近邻传播聚类、弗罗贝尼乌斯范数、多元时间序列、主成分分析、聚类模型

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金民航联合基金资助项目U1233105；中国民用航空飞行学院大学生创新项目201410624043

在线出版日期：2015-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：24-28