基于模擬退火算法的聚類分析在數據挖掘中的應用.pdf

1、數據挖掘是近年來發(fā)展起來的新技術，通過數據挖掘，人們可以將知識發(fā)現的研究成果應用于實際數據處理中，為科學決策提供支持。目前數據挖掘逐漸發(fā)展成為一個多學科領域，涉及到多方面的技術，特別是和計算智能方法的結合越來越緊密。 聚類算法是數據挖掘中的核心技術之一，在整個數據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據、聚類的目的和應用。本文通過對數據挖掘技術中的常用聚類分析方法進行了詳細的對比，并從綜合評價聚類算法的5個方

2、面對常用的聚類方法作了比較分析。 在對聚類算法進行比較分析的基礎上，從聚類的本質特點出發(fā)，將計算智能中的模擬退火算法應用到數據聚類中。模擬退火算法是模擬物理退火過程的一種隨機優(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，通過接受準則和對下降溫度的控制，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，非線性的復雜組合優(yōu)化問題中得到了廣泛的應用。 本文針對標準的模擬退火算法的局限性，

3、提出一種綜合改進的模擬退火算法。算法對標準模擬退火算法的退火過程和抽樣過程進行了修改。目的在于設計高效的退火歷程，避免狀態(tài)的迂回搜索。并將修改后的算法應用到聚類分析中進行驗證。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)行的各項相關數據為基礎，利用綜合改進后的模擬退火算法對其中的新股上市首日收益率進行聚類分析。分析結果表明大多新股在上市的首日便會有一個巨大的漲幅，由此產生遠遠高于市場平均回報的超額收益，