整数矩阵低秩逼近及其应用

发布时间：2023-06-02 05:18

　　随着现代社会信息技术的飞速发展,人们使用的各种金融数据以爆炸性速度不断增长.这些大量数据存储在数据库中,但想要真正利用好这些数据资源并不是件容易的事情.如何借助一些分析手段挖掘数据库中潜在有用的信息,这已成为金融分析、数据挖掘、机器学习、模式识别等领域的热点研究问题.数据挖掘技术主要用来从庞大且复杂的数据中发现潜在的、有价值的信息.不同于数据分析,数据挖掘不仅是为了分析数据和研究的需要,更主要是为了获取真正有价值的信息,给社会各方面的需求提供帮助.数据挖掘的功能有好多,例如:?自动估计和预测:数据挖掘可以通过估值对研究对象进行分类,还可以自动在数据库中寻找预测性信息,直接由数据本身转换成人们需求的信息,解决了传统手工分析问题的困难.?进行关联规则分析:数据挖掘技术可以从数据中找出信息之间隐藏的某种关联.比如,超市购物篮分析案例中通过发现顾客购买的不同商品之间的关系,分析顾客的购物行为.这种关联的发现可以帮助销售商了解顾客的消费习惯,帮助他们开发更好的的营销策略,同时也为人们带来便利.?进行聚类分析:数据挖掘中对聚类技术的要求是能处理高维数据;能在各种约束条件下进行聚类,找到具有良好特性...

【文章页数】：41 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 本文的选题与研究内容
    1.2 相关研究工作及本文结构
2 整数最小二乘问题(ILS)
    2.1 带条件约束的交替最小二乘方法
    2.2 求解ILS问题
    2.3 改进的ILS问题
3 整数矩阵低秩逼近问题
    3.1 算法设计
    3.2 收敛性分析
4 数值实验
    4.1 随机测试
    4.2 算法比较
    4.3 关联规则挖掘
    4.4 整数数据聚类分析
    4.5 模型提取
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢



本文编号：3827743