聚类在股票研究中的应用

• 作者: 万忠 张晨希 张燕平 张迎春 陈洁
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 聚类 股票 预测
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 计算机应用研究
• 页码范围: 116-118
• 页数: 3页
• 分类号: TP301.6
• 字数: 2545字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2006.04.041

摘要

聚类是按照事物的某些属性,把其聚集成类,使各类间的相似性尽量小,类内相似性尽量大.现在使用的一些聚类算法大多效率不高、聚类速度慢.文中在改进LBG算法的基础上提出了一种新的聚类算法,克服了传统的LBG算法的缺点,具有准确性高、测试时间短的优点.现将它应用于股票数据的预测分析中,实验结果表明这种新的聚类算法,相较于其它聚类算法能够取得更好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕平	安徽大学人工智能研究所	148	1556	21.0	32.0
2	张迎春	安徽大学人工智能研究所	11	120	5.0	10.0
3	陈洁	安徽大学人工智能研究所	48	232	8.0	13.0
4	张晨希	安徽大学人工智能研究所	5	91	4.0	5.0
5	万忠	安徽大学人工智能研究所	7	105	4.0	7.0