差异性态度与交往期望:农民工与市民社会距离的变化趋势——以北京市为例

农民工与市民在社会距离变化感受、相互理解程度、交往感受等方面存在明显的差异性。农民工认为他们与市民的社会距离缩小了,但市民认为他们与农民工的社会距离扩大了。差异性态度可能是交往期望差异造成的。整体上看,农民工与市民的社会距离呈现扩大趋势。社会距离扩大的原因除了与双方社会经济地位差异、文化差异、空间隔离、交往频率等因素有关系外,还与城市人口规模变化、政策调整和流动人口犯罪有关系。本文在此基础上提出了城市化、流动人口管理等方面的建议。

基于趋势距离的时间序列符号聚合近似表示方法

针对传统趋势分析方法的不足之处,以及序列段内部趋势信息缺失的问题,本文提出一种改进的基于趋势距离的时间序列符号聚合近似表示方法。具体主要基于序列段起点值与终点值,利用趋势距离对不同趋势的差异性进行量化分析。通过趋势和均值信息对低维序列共同描述,与此同时,又提出了新的距离度量法,从理论角度充分证明,时间序列距离度量方法基于趋势距离时,不但可满足下界需求,并且与原方法相比,其下界紧凑性更好。比较分析结果证明,与原符号近似表示法相比,本文提出的基于趋势距离的时间序列符号近似表示法更有优势。

基于趋势距离的面板数据聚类方法探讨

鉴于面板数据同时具有时间维度和截面维度的特征,文章引入趋势距离概念,在利用主成分分析法计算数据在各个时间点的主成分综合得分基础上,构造了一种能够体现数据动态变化趋势的综合趋势距离,再利用系统聚类法实现面板数据的聚类。实证结果表明新的方法克服了以往聚类方法中无法体现数据动态发展趋势相似性的问题,聚类结果较为稳定且有很好的可视化效果。

新的时间序列相似性度量方法

时间序列的相似性度量是时间序列数据挖掘的研究基础,通过对时间序列的变化趋势符号化,定以趋势距离,提出新的时间序列相似性度量方法—SMVT。该方法可以度量时间序列的变化趋势相似性,具有简洁直观,趋势描述科学,能很好地反映时间序列的整体变化趋势的特点。通过新的相似性度量方法对时间序列进行聚类计算,实验结果表明,该方法能够有效地从变化趋势的角度度量时间序列间的相似性,具有较好的实用性和良好的应用前景。