函数型聚类分析方法研究

基于距离度量的函数型数据聚类是目前函数型聚类分析方法的主要研究方向之一,而该方法主要是基于数值距离或曲线形态的单一角度来衡量函数型数据的相似性.为了解决这种单一性,提出一种同时兼顾函数型数据的数值距离和曲线形态的相似性度量方法-基于极值点偏差补偿的相似性度量,并给出实证分析,结果显示该方法比较有效.进一步提出一种多元函数型聚类分析方法-函数型熵权法,丰富了函数型聚类分析方法.

一种基于区间函数型聚类的综合评价方法研究

针对由数据量过大带来的函数型综合评价中计算复杂度增大或评价效率降低等问题,文章将符号分析技术应用于函数型综合评价,提出了一种基于区间函数欧式距离的区间函数型聚类方法作为区间函数型综合评价基本模型.由于综合评价的多指标区间函数特点,提出区间函数熵值法构建综合指标区间函数.与函数型综合评价相比较,区间函数型综合评价方法中增加了数据区间化的步骤,能够在避免信息丢失的情况下,更好地抓取数据变动趋势,提高了综合评价的效率.最后将文章提出的区间函数型综合评价方法用于对股票的市场表现进行评价分析,结果表明该方法在处理针对高频数据的综合评价问题上具有一定的优势,可以基于该方法开展应用研究.