摘要 | 第1-6页 |
Abstract | 第6-16页 |
1 绪论 | 第16-34页 |
·选题背景及研究意义 | 第16-17页 |
·选题背景 | 第16-17页 |
·研究意义 | 第17页 |
·国内外相关研究进展 | 第17-30页 |
·谱聚类的研究进展 | 第18-22页 |
·基于成分分析的时间序列降维研究进展 | 第22-23页 |
·股市联动性定量分析研究进展 | 第23-26页 |
·基金投资风格识别研究进展 | 第26-29页 |
·存在的主要问题 | 第29-30页 |
·论文的主要研究内容与结构 | 第30-34页 |
·主要研究内容 | 第30-31页 |
·论文结构 | 第31-34页 |
2 谱聚类中基于稳定性的非唯一聚类数目确定方法 | 第34-49页 |
·引言 | 第34页 |
·预备知识 | 第34-38页 |
·谱聚类矩阵 | 第34-36页 |
·谱聚类矩阵的性质 | 第36-37页 |
·高斯核参数 | 第37-38页 |
·聚类结果的合理性与稳定性度量 | 第38-39页 |
·算法提出 | 第39-40页 |
·数值实验 | 第40-48页 |
·仿真数据集上的实验 | 第41-46页 |
·UCI数据集上的实验 | 第46-48页 |
·本章小结 | 第48-49页 |
3 谱聚类中包含聚类信息的特征向量组自动选取方法 | 第49-59页 |
·引言 | 第49页 |
·预备知识 | 第49-51页 |
·算法原理 | 第51-52页 |
·算法提出 | 第52-53页 |
·数值实验 | 第53-58页 |
·仿真数据集上的实验 | 第53-56页 |
·UCI数据集上的实验 | 第56-57页 |
·股票数据集上的实验 | 第57-58页 |
·本章小结 | 第58-59页 |
4 谱聚类矩阵的扰动分析 | 第59-76页 |
·引言 | 第59页 |
·矩阵扰动理论 | 第59-62页 |
·规范Laplace矩阵的扰动分析 | 第62-72页 |
·理想情形 | 第62-63页 |
·分块情形 | 第63-68页 |
·一般情形 | 第68-72页 |
·数值实验 | 第72-75页 |
·本章小结 | 第75-76页 |
5 基于成分分析的单变量时间序列谱聚类方法 | 第76-104页 |
·引言 | 第76页 |
·基于主成分分析的单变量时间序列谱聚类方法 | 第76-84页 |
·基于主成分分析的单变量时间序列降维原理 | 第77-83页 |
·算法提出 | 第83页 |
·数值实验 | 第83-84页 |
·基于独立成分分析的单变量时间序列多路归一化割谱聚类方法 | 第84-93页 |
·基于独立成分分析的单变量时间序列降维原理 | 第85-88页 |
·算法提出 | 第88-90页 |
·数值实验 | 第90-93页 |
·基于成分分析的单变时间序列聚类方法在股票数据集上的实验 | 第93-102页 |
·研究动机 | 第93页 |
·数据选取 | 第93页 |
·六种时间序列聚类方法在两类股票数据集上的聚类结果对比 | 第93-99页 |
·两类股票数据集的聚类结果分析 | 第99-102页 |
·本章小结 | 第102-104页 |
6 谱聚类方法在金融时间序列数据挖掘中的应用 | 第104-122页 |
·引言 | 第104页 |
·基于谱聚类的欧洲主权债务危机下全球主要股指联动性分析 | 第104-114页 |
·问题提出 | 第104-105页 |
·数据选取 | 第105-106页 |
·动态时间弯曲简介 | 第106-107页 |
·不同聚类结果间差异的度量方法简介 | 第107-108页 |
·实证研究过程及结果 | 第108-114页 |
·基于谱聚类和独立成分分析的国内开放式基金投资风格识别研究 | 第114-121页 |
·问题提出 | 第114-115页 |
·方法描述 | 第115-117页 |
·数据选取 | 第117页 |
·实证研究过程及结果 | 第117-121页 |
·本章小结 | 第121-122页 |
7 结论与展望 | 第122-125页 |
·论文的主要结论 | 第122-123页 |
·论文的主要创新点 | 第123-124页 |
·研究展望 | 第124-125页 |
参考文献 | 第125-136页 |
攻读博士学位期间完成学术论文情况 | 第136-137页 |
攻读博士学位期间参加的科研项目 | 第137-138页 |
致谢 | 第138-140页 |
作者简介 | 第140-142页 |