ICA自适应算法及其在金融数据挖掘中的应用.pdf

大连理工大学硕士学位论文ICA自适应算法及其在金融数据挖掘中的应用姓名:贾宏峰申请学位级别:硕士专业:运筹学与控制论指导教师:郭崇慧20080605摘要关键词:独立成分分析;变步长;一维搜索;金融数据挖掘;聚类分析独立成分分析,是近年来发展起来的一种强有力的数据分析工具,它在各个领域都得到了广泛的应用。本文简要介绍了姆⒄估程,详细地讨论了钣呕蠼馐钡哪勘旰胨惴ǎ⒔岷狭街直洳匠し桨父慕允视λ惴ǎ詈蠼岷暇劾喾治鼋獻应用于金融数据挖掘中。主要工作如下:岢龌谝晃阉骱突诘缺浠桨傅腎极大似然估计自适应算法。一维搜索又称线搜索,就是指单变量函数的最优化,是求解无约束非线性规划问题的基本方法之一。等变化方案是通过建立步长因子与分离矩阵相互差异之间的非线性关系来加速收敛速度,减小失调误差的一种方法。固定步长的惴ù嬖谧盘烊坏娜毕荩即步长的大小只能保证算法的收敛性和稳定性这两方面之一达到人们预期的效果,而本文利用一维搜索和等变化方案改进了固定步长的ù笏迫还兰扑惴ǎ蛊克服了原有算法在自适应稳态阶段及突变环境下步长调整的不足,均达到了自适应的效果。仿真实验结果表明,这两种改进算法是可行且有效的。岢隽嘶贗的时间序列聚类分析的方法。聚类是无指导学****的一种方法,其目的是通过辨识数据问的结构特征,使得数据在类内相似性最大,在类间相似性最小。本文首先通过层次算法优化初始聚类中心的选择,提出了一种改进的均值算法,然后将此改进的邓惴ń岷螴中的不动点算法愕玫搅吮局兴出的基于氖奔湫蛄芯劾喾治龅姆椒āW詈蠼ù朔椒ㄓτ玫浇鹑谑萃诰蛑校对支股票进行聚类,并分析了隐藏在股票数据背后的影响股票市场走势的深层次原因。仿真实验结果表明,该方法可以很好的解决金融时间序列中的冗余问题并很好的反应了金融市场的一些重要特征。.,.瓼,.甈.’:::—日期:垒董:幺丝:独创性说明作者郑重声明:本硕士学位论文是我个人在导师指导下进行的研究工作及取得研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写的研究成果,也不包含为获得大连理工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。作者签名:⋯名:避出上月监日大连理工大学学位论文版权使用授权书本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用规定獯罅砉ご笱ПA舨⑾蚬矣泄夭棵呕蚧顾交学位论文的复印件和电子版,允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。导师签名:大连理工大学硕士研究生学位论文绪论研究的背景与意义其中概琂,为常数。也就是在混合信号而投已知,源信号岛雜:跋数慨琂,未知的情况下,要分离出源信号与。显然,用传统的方法很难论文研究的主题是独立成分分析,及其在金融数据挖掘中的应用,它涉及到两方面的内容:独立成分分析和金融数据挖掘,属于优化方法、信号处理、统计学****和数据挖掘等多学科交叉研究领域。墙昀捶⒄蛊鹄吹囊恢秩碌氖莘治龉ぞ撸醋灾摹凹ξ簿苹嵛侍:假设在一个大厅中有两个人同时讲话,用函雜分别表示这两个人的声音信号,可以认为岛胝迹橇礁鏊婊氖奔湫蛄校诖筇杏辛礁雎克风,每个麦克风记录下的信号是两个人声音信号的线性组合,用五瑇分别表示两个麦克风记录的声音信号,那么在不考虑噪声影响的情况下,有如下关系式:.鉺,解决这个问题,如果借助于独立成分分析,只需要假设这两个人的声音信号是统计独立的,就可以很方便地解决这个问题,这一假设也是合理的。实际情况中,许多观察信号都是独立源信号ㄔ肷的线性组合,是典型的盲源分离问题,墙饩稣饫辔侍獾囊恢钟行У姆椒ā緇衷谒壕晌J莘治隽煊蚯有力的工具,广泛应用于语音信号处理、生物医学信号处理、图像消噪、人脸识别等领域,尤其是在金融数据分析中得到了更为广泛的应用。传统的允视λ惴ǘ嗖捎霉潭ú匠そ醒埃渲校舨捎么蟮牟匠ぃ蛩惴收敛快、但信号的稳态性能差;而采用小的步长,则稳态性能好,但算法收敛慢。因此,鉴于步长对算法收敛速度的重要影响,本文提出基于一维搜索和基于等变化方案的极大似然估计自适应算法,它能保证在算法初始收敛阶段或未知系统参数发生变化时,算法步长比较大,有较快的收敛速度和对时变系统的跟踪速度;而在算法收敛后期,则保持很小的调整步长,以达到很小的稳态失调误差。具有计算量小,计算时间短和适用于非平稳环境的优点。自年学者和獻的研究推广到金融领域瞪螅琁用在金融数据方面的研究便得到了普遍的关注。妊д哐有松鲜隽轿谎д叩墓ぷ鳎獻大连理工大学硕士学位论文而函国内外研究现状则来实现。珿蚐等学者】将基于信