一般分布区间型符号数据的SOM聚类方法

区间型符号数据是一种重要的符号数据类型,现有文献往往假设区间内的点数据服从均匀分布,导致其应用的局限性。本文基于一般分布的假设,给出了一般分布区间型符号数据的扩展的Hausdorff距离度量,基于此提出了一般分布的区间型符号数据的SOM聚类算法。随机模拟试验的结果表明,基于本文提出的基于扩展的Hausdorff距离度量的SOM聚类算法的有效性优于基于传统Hausdorff距离度量的SOM聚类算法和基于μσ距离度量的SOM聚类算法。最后将文中方法应用于气象数据的聚类分析,示例文中方法的应用步骤与可操作性,并进一步评价文中方法在解决实际问题中的有效性。     

基于误差理论的区间主成分分析及其应用

针对区间数样本,传统的主成分分析需进行拓展。首先讨论了区间样本数据的两种主要来源,即观测误差和符号数据分析。然后将区间数看作一个由中点和半径构成的具有一定误差的数,从误差理论出发,研究基于误差传递公式的区间主成分分析方法,并获得以区间数为表达形式的主成分。最后,结合我国2005年第四季度股票市场的数据进行了实证分析。结果表明,面对海量数据,区间PCA较传统PCA更容易从总体上把握样本的属性。     

城市综合实力增长的比较

本文基于多个总体的主成分分析方法,对城市综合实力增长的比较进行一些探索性的研究。对我国十八个大城市１９９４年、１９９５年和１９９６年的八个指标用多个总体的主成分分析方法进行分析,通过检验和计算,得到这三个总体的公共主成分子空间。取公共主成分子空间的一正交基作为这三个总体的新的主成分ＰＲＩＮ１的系数,此主成分即表示城市综合实力。计算出各城市任意两年间的综合实力差值,以此作为城市综合实力增长的度量,对城市综合实力增长再作主成分分析,即得到有效的城市综合实力增长的比较方法     

基于区间分析的投资组合VaR计算新方法

基于区间分析估计变量的累计概率分布是进行风险价值分析的一种新方法。本文将区间分析运用到股票投资组合的VaR计算中,研究区间分析在VaR计算方法中的应用。首先给出了基于区间分析估计分布函数的计算步骤,然后将区间分析运用到VaR的计算中,以两只股票的投资组合为例得出收益率的累计概率分布,从中得到某一置信度下的VaR值,最后与蒙特卡洛模拟方法做了比较研究,结果表明,基于区间分析的VaR计算方法的运算精度和计算速度明显优于蒙特卡洛模拟方法。     

股票综合评价的符号数据PCA方法

符号数据分析是一种新兴的数据挖掘技术,区间数是最常用的一种符号数据。研究应用区间型符号数据的PCA方法来评价股票的市场综合表现问题。首先介绍了符号数据分析的基本理论。接下来研究了区间数据样本的经验描述统计量的计算,并基于经验相关矩阵,给出了区间主成分分析的算法,该算法最终得到区间数表达形式的主成分取值。最后选取上海证券交易市场20支股票在某一周上的交易数据,进行了实证研究,基于区间主成分得分的矩形图表示,将20支股票按其市场综合表现分成了四类。     

区间MDEA模型及其求解

将一种改进的DEA模型-MDEA模型[1]拓展到区间投入产出情形,得到区间MDEA模型.定义了一种反映决策者满意度的区间数序关系,当决策者给定一满意度水平,将区间MDEA中的区间不等式约束转化为确定型约束.研究了该满意度水平的另一层含义,即决策者对除被评价决策单元外的其它决策单元的偏好程度,据此将区间MDEA中的区间等式约束和区间目标函数转化为确定型.最终将区间MDEA转化为某一满意度水平下的确定型MDEA,并进行求解.最后给出算例分析.