基于粒子群算法的数据挖掘

【摘要】：近年来,作为一个新兴的研究领域,数据挖掘发展很快。数据挖掘已经在多个领域得到广泛的应用。股票市场是国家经济的一个重要的组成部分,也是广大人民群众投资的一个主要渠道。在日常的投资活动中,人们迫切地希望能够有一种有效的工具对股票市场每天产生的大量数据进行分析和处理,数据挖掘在股票市场上具有广阔的应用前景。同时由于股票市场数据中的潜在规则受到多种因素的制约,具有动态地变换的特点。因此在股票业上的数据挖掘研究成为当前的研究热点之一。本文从股票的基本属性决定特定时期上股票的表现出发,运用粒子群算法,构建用于发现特定时期的适宜投资品种的数据挖掘系统。 本文首先简单介绍了数据挖掘技术,包括数据挖掘的基本模型及其通常的算法和应用领域,并在此基础上介绍了证券行业数据挖掘的具体特点和应用。指出数据挖掘应用于证券行业的可行性,对数据挖掘在证券行业的研究现状进行了简单地介绍。 其次,本文介绍了粒子群算法,说明了粒子群算法通过个体的简单行为和个体的相互学习去解决复杂问题的基本思想。通过与其他算法的比较,介绍了粒子群算法的特点,并对粒子群算法的研究现状与应用领域进行了简单地介绍。 再次,本文结合数据挖掘系统的原理和股票市场的特点,运用粒子群算法,提出了基于粒子群算法的证券挖掘系统。并对系统的基本原理、粒子的定义以及模式评估的主要问题进行了详细地阐述。 最后,在以上研究的基础上,集合数据库、面向对象等技术实现了股票数据挖掘系统。对系统的主要模块和数据结构的设计和实现作了详细地描述。并对相关数据进行了挖掘,验证了系统的合理性和可行性。