基于SVM的時(shí)態(tài)數(shù)據(jù)挖掘及在證券分析中的應(yīng)用研究.pdf

1、時(shí)態(tài)數(shù)據(jù)的預(yù)測和周期發(fā)現(xiàn)是時(shí)態(tài)數(shù)據(jù)挖掘的一個(gè)重要的研究方向。預(yù)測是用被預(yù)測事物過去或現(xiàn)在的已知數(shù)據(jù)，構(gòu)造依時(shí)間變化的挖掘模型，對將來的未知做出預(yù)測。而周期發(fā)現(xiàn)則是根據(jù)已知數(shù)據(jù)，構(gòu)造時(shí)態(tài)重復(fù)模式，發(fā)現(xiàn)事物運(yùn)行的規(guī)律。支持向量機(jī)是九十年代中期提出來的新一代數(shù)據(jù)挖掘工具，具有全局最優(yōu)、結(jié)構(gòu)簡單、推廣能力強(qiáng)等優(yōu)點(diǎn)，本文將支持向量機(jī)方法應(yīng)用于時(shí)態(tài)數(shù)據(jù)預(yù)測挖掘中，主要解決分類和回歸問題，可用于金融、氣象、水文、超市和醫(yī)療等領(lǐng)域的預(yù)測問題，本課題的研

2、究具有重要的理論意義和應(yīng)用價(jià)值。 第一章闡述了時(shí)態(tài)數(shù)據(jù)挖掘的研究背景以及有關(guān)的技術(shù)，分析了其研究現(xiàn)狀，探討了支持向量機(jī)在該領(lǐng)域中已取得的成果、存在的不足，由此引出本課題的研究意義和研究內(nèi)容。 第二章對時(shí)態(tài)數(shù)據(jù)有關(guān)的概念和理論進(jìn)行了研究。在此基礎(chǔ)上，構(gòu)造了時(shí)態(tài)數(shù)據(jù)模型以及時(shí)態(tài)事件模型，給出了相關(guān)定義和性質(zhì)，為下一步進(jìn)行研究提供了理論基礎(chǔ)。 第三章介紹了支持向量機(jī)理論，以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)，分別介紹了支持向量分類機(jī)和

3、回歸機(jī)。 第四章提出了由基時(shí)態(tài)數(shù)據(jù)模型構(gòu)造其他時(shí)態(tài)模型的方法，基于v-支持向量機(jī)回歸給出了時(shí)態(tài)數(shù)據(jù)預(yù)測的方法。 第五章擴(kuò)展了時(shí)態(tài)數(shù)據(jù)模型，提出了時(shí)態(tài)數(shù)據(jù)的周期模式，并利用v-支持向量機(jī)分類算法的一些優(yōu)點(diǎn)，給出了時(shí)態(tài)數(shù)據(jù)周期發(fā)現(xiàn)的方法。 本文主要獲得的研究成果和創(chuàng)新如下： 1、建立了基于SVM的時(shí)態(tài)數(shù)據(jù)預(yù)測挖掘方法； 2、建立了基于SVM的時(shí)態(tài)數(shù)據(jù)周期模式的挖掘方法； 3、給出了由基時(shí)態(tài)數(shù)據(jù)