时间序列聚类分析中几种算法的研究及应用

论文摘要

聚类是无监督机器学习方法之一,聚类数据可以帮助识别相似数据,为决策行为提供最佳方案。例如,预订出租车应用程序可以把客户数据进行聚类分析以匹配供求关系、检测电子商务交易的恶意订单类型或在约会应用程序中将客户分类等。为了得到聚类的最佳决策结果在各种的聚类分析都有自己的基本条件请求,当用错误的数据分析条件请求时会导致低质量的结果。因此,我们希望深入研究和比较这类数据。应用时间序列分析基于先前观测值的预测,将聚类分析和时间序列数据混合起来,以便更好地理解聚类分析,以达到服务广大公众的初心,同时还希望更多的专家学者在这一领域持续探索,以期未来在更广泛的领域应用。目前常用于描述金融市场中的数据,如数字货币、人民币兑美元汇率、上海证券交易所50指数（上证50）和泰国证券交易所50指数（泰证50）。本文主要研究金融时间序列数据的时间序列聚类算法比较,通过时间序列聚类分析研究金融市场的数据,得出不同数据集的最有效聚类算法,并验证了其合理性及有效性。本文主要内容如下:1、论文依次介绍了数据挖掘、机器学习、时间序列聚类的重要性以及相关的一些检验方法的基本原理,为文章开展正式研究奠定理论基础。2、论文综述了生物信息学、机器人学、医学、化学、手势识别、语音识别、跟踪、金融、生物特征学、天文学、制造学等领域的相关数据挖掘、机器学习和时间序列聚类研究。3、论文通过分析时间序列聚类的结构,包括距离测量、时间序列原型、聚类算法和聚类评价标准等几个部分。本文针对每个数据集分别设置了3种模式的聚类算法,如层次聚类、k-中心点划分聚类、K-形划分聚类和Tadpole划分聚类。我们使用轮廓索引（Silhouette index）、COP索引（COP index）、DB索引（DB index）、CH索引（CH index）和DB*索引（DB*index）等聚类评价方法来比较这些聚类算法是否有效性。4、论文在实证分析中,构建了关于数字货币、人民币兑美元汇率、上证50指数（上证50）和泰国证券交易所50指数（泰证50）的时间序列聚类分析。对每个时间序列数据集使用3种聚类算法模式比较,并用5个指标对聚类算法进行评价,以确定每个聚类算法的有效性。研究结果表明,层次算法是对于非等长度数据数字货币和上证50指数最有效的算法。另外,对于等长度数据所有货币兑美元汇率和泰国证券交易所50指数（泰证50）,划分算法是最有效的。

论文目录

• Acknowledgement
• 摘要
• Abstract
• 详细摘要
• 1.Introduction
• 2.Time-series clustering
•   2.1 Time-series representation
•   2.2 Distance measurement
•     Dynamic Time Warping（DTW）
•     Shape-based distance（SBD）
•   2.3 Time-series prototype
•     Partition Around Medoid（PAM）
•     Shape extraction
•   2.4 Clustering algorithm
•     Hierarchical clustering
•     Partitional clustering,k-Medoid
•     Partitional clustering,k-Shape
•     Partitional clustering,TADPole
•   2.5 Cluster evaluation
•     Silhouette index
•     COP index
•     Davies-Bouldin index（DB）
•     Davies-Bouldin star index（DBstar）
•     Calinshi-Harabasz index（CH）
• 3.Experiment result
•   3.1 Dataset
•     Cryptocurrency dataset
•     Shanghai Stock Exchange50 Index（SSE50）
•     Exchange rate currency dataset
•     The Stock Exchange of Thailand50（SET50）dataset
•   3.2 Cluster algorithm
•   3.3 The time-series clustering experiment result
•     The cryptocurrency clustering result
•     The Shanghai Stock Exchange50 Index（SSE50）clustering result
•     The exchange rate currency clustering result
•     The Stock Exchange of Thailand50（SET50）clustering result
•   3.4 Comparing time-series clustering result
• 4.Conclusion
• Reference
• Appendix A:Result of time series clustering
• Appendix B:R code sample
• 作者简历
• 学位论文数据集

文章来源

类型: 硕士论文

作者: 陈美云（Duangrux Tangsirisakul）

导师: 李金玉

关键词: 时间序列聚类,机器学习,密码货币

来源: 中国矿业大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展

单位: 中国矿业大学

分类号: F224

总页数: 78

文件大小: 15000K

下载量: 518