基于模擬退火算法的聚類分析在數(shù)據(jù)挖掘中的應(yīng)用.pdf

1、數(shù)據(jù)挖掘是近年來發(fā)展起來的新技術(shù)，通過數(shù)據(jù)挖掘，人們可以將知識(shí)發(fā)現(xiàn)的研究成果應(yīng)用于實(shí)際數(shù)據(jù)處理中，為科學(xué)決策提供支持。目前數(shù)據(jù)挖掘逐漸發(fā)展成為一個(gè)多學(xué)科領(lǐng)域，涉及到多方面的技術(shù)，特別是和計(jì)算智能方法的結(jié)合越來越緊密。 聚類算法是數(shù)據(jù)挖掘中的核心技術(shù)之一，在整個(gè)數(shù)據(jù)挖掘過程中有著非常重要的作用。聚類算法的選擇取決于聚類的數(shù)據(jù)、聚類的目的和應(yīng)用。本文通過對(duì)數(shù)據(jù)挖掘技術(shù)中的常用聚類分析方法進(jìn)行了詳細(xì)的對(duì)比，并從綜合評(píng)價(jià)聚類算法的5個(gè)方

2、面對(duì)常用的聚類方法作了比較分析。 在對(duì)聚類算法進(jìn)行比較分析的基礎(chǔ)上，從聚類的本質(zhì)特點(diǎn)出發(fā)，將計(jì)算智能中的模擬退火算法應(yīng)用到數(shù)據(jù)聚類中。模擬退火算法是模擬物理退火過程的一種隨機(jī)優(yōu)化搜索算法。算法以優(yōu)化過程的求解與物理退火過程的相似性為基礎(chǔ)，通過接受準(zhǔn)則和對(duì)下降溫度的控制，能夠有效的克服優(yōu)化過程陷入局部極小從而獲得全局最優(yōu)解。因此，在解決多維，非線性的復(fù)雜組合優(yōu)化問題中得到了廣泛的應(yīng)用。 本文針對(duì)標(biāo)準(zhǔn)的模擬退火算法的局限性，

3、提出一種綜合改進(jìn)的模擬退火算法。算法對(duì)標(biāo)準(zhǔn)模擬退火算法的退火過程和抽樣過程進(jìn)行了修改。目的在于設(shè)計(jì)高效的退火歷程，避免狀態(tài)的迂回搜索。并將修改后的算法應(yīng)用到聚類分析中進(jìn)行驗(yàn)證。本文以中國股票市場從1992至2002年7月以來發(fā)行的一千多只股票在上市首日發(fā)行的各項(xiàng)相關(guān)數(shù)據(jù)為基礎(chǔ)，利用綜合改進(jìn)后的模擬退火算法對(duì)其中的新股上市首日收益率進(jìn)行聚類分析。分析結(jié)果表明大多新股在上市的首日便會(huì)有一個(gè)巨大的漲幅，由此產(chǎn)生遠(yuǎn)遠(yuǎn)高于市場平均回報(bào)的超額收益，