基于連續小波變換及其逆變換的聚類方法
大?。?/span>0.75 MB 人氣： 2018-01-15 需要積分：2
針對使用網絡購物搜索量數據建立預測模型時的變量選擇問題，提出一種基于連續小波變換（ CWT）及其逆變換的聚類方法。算法充分考慮了搜索量的數據特征，將原始序列分解成為不同時間尺度下的周期成分，并重構為輸入向量。在此基礎上通過加權模糊C均值（ FCM）方法進行聚類。變量選擇是根據聚類后每個分類中的關鍵詞隸屬度函數值確定的，選擇效果通過我國居民消費價格指數（CPI）的預測模型進行驗證。結果表明，搜索量序列具有不同長度的周期成分，聚類后同組關鍵詞具有明顯的商品類型一致性。與其他變量選擇方法相比，基于小波重構序列聚類的預測模型具有更高的預測精度，單步和三步預測相對誤差僅為0. 389 l%和0.543 7%，預測變量也具有清晰的經濟含義，因此特別適用于解決大數據背景下高維預測模型的變量選擇問題。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于連續小波變換及其逆變換的聚類方法下載
相關電子資料下載
- 對新輔助TCHP治療響應的HER2+乳腺癌空間蛋白質組特征 547
- Python軸承故障診斷之連續小波變換CWT介紹 2712
- 使用輪廓分數提升時間序列聚類的表現 316
- 電流諧波畸變率怎么計算？ 2131
- 小波變換是如何定義的？ 1621
- 短時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別和聯系 2339
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 介紹一種基于分層聚類方法的木馬通信行為檢測模型 1061