基于連續(xù)小波變換及其逆變換的聚類(lèi)方法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
針對(duì)使用網(wǎng)絡(luò)購(gòu)物搜索量數(shù)據(jù)建立預(yù)測(cè)模型時(shí)的變量選擇問(wèn)題，提出一種基于連續(xù)小波變換（ CWT）及其逆變換的聚類(lèi)方法。算法充分考慮了搜索量的數(shù)據(jù)特征，將原始序列分解成為不同時(shí)間尺度下的周期成分，并重構(gòu)為輸入向量。在此基礎(chǔ)上通過(guò)加權(quán)模糊C均值（ FCM）方法進(jìn)行聚類(lèi)。變量選擇是根據(jù)聚類(lèi)后每個(gè)分類(lèi)中的關(guān)鍵詞隸屬度函數(shù)值確定的，選擇效果通過(guò)我國(guó)居民消費(fèi)價(jià)格指數(shù)（CPI）的預(yù)測(cè)模型進(jìn)行驗(yàn)證。結(jié)果表明，搜索量序列具有不同長(zhǎng)度的周期成分，聚類(lèi)后同組關(guān)鍵詞具有明顯的商品類(lèi)型一致性。與其他變量選擇方法相比，基于小波重構(gòu)序列聚類(lèi)的預(yù)測(cè)模型具有更高的預(yù)測(cè)精度，單步和三步預(yù)測(cè)相對(duì)誤差僅為0. 389 l%和0.543 7%，預(yù)測(cè)變量也具有清晰的經(jīng)濟(jì)含義，因此特別適用于解決大數(shù)據(jù)背景下高維預(yù)測(cè)模型的變量選擇問(wèn)題。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于連續(xù)小波變換及其逆變換的聚類(lèi)方法下載
相關(guān)電子資料下載
- 對(duì)新輔助TCHP治療響應(yīng)的HER2+乳腺癌空間蛋白質(zhì)組特征 547
- Python軸承故障診斷之連續(xù)小波變換CWT介紹 2712
- 使用輪廓分?jǐn)?shù)提升時(shí)間序列聚類(lèi)的表現(xiàn) 316
- 電流諧波畸變率怎么計(jì)算？ 2131
- 小波變換是如何定義的？ 1621
- 短時(shí)傅里葉變換和小波變換差別 2322
- 小波變換與傅里葉變換的區(qū)別和聯(lián)系 2339
- 基于K-means聚類(lèi)算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類(lèi)算法 498
- 介紹一種基于分層聚類(lèi)方法的木馬通信行為檢測(cè)模型 1061