面板數據聚類的複合方法與套用

基本信息

【書名】:面板數據聚類的複合方法與套用

【作者】:楊娟謝遠濤

【叢書名】:

【版次/印次】:1/1

【出版日期】:2016年8月

【ISBN】:9787566316592

【字數/頁數】: 164千字/

【開本/紙張】:170mm×240mm /

【適用層次】:

【定價】:38.00

內容簡介

本書的研究主題為面板數據聚類分析。隨著資料庫技術的發展，數據結構越來越複雜，從結構化數據，如截面數據、面板數據及高維面板數據等，演變到非結構化數據，如文本、圖形和視頻等。面板數據是計量經濟學最先提出的研究對象，已經有很多文獻研究面板數據的分類和預測模型，而研究面板數據聚類的文獻卻較少。傳統聚類算法的主要研究對象是截面數據，其聚類算法不適用於研究面板數據的聚類問題。因此，需要加強對面板數據聚類問題的研究。

本書的研究目的是，提出適用於不同聚類目的的面板數據聚類方法。本書提出了三種面板數據聚類的方法，分別對應不同的聚類目的。基於密度的聚類方法，可以提取面板數據的整體特徵；基於複合PCC的聚類方法，可以體現指標的層次化結構；基於近鄰傳播的聚類方法，可以體現面板數據每個個體的動態發展階段。

第1章，引言，介紹本書的研究背景、研究的現實意義和理論意義，給出全文的內容及結構安排，並詳細說明了本書的研究難點和創新點。

在第2章中，給出了面板數據聚類的文獻綜述。總結和評價了面板數據相似性度量的主要方法：均值方差法、機率連線函式法、綜合距離法、形狀特徵法、灰色關聯度法和凸灰色關聯法。給出了縱向數據聚類的文獻綜述。比較面板數據和縱向數據聚類的異同點，為論文提出的三種面板數據的聚類方法提供了理論依據。

在第3章中，提出基於密度的面板數據聚類方法。在相似性度量上，分別用Logistic回歸模型、判別分析、K近鄰分類器構造相似係數和非對稱相似矩陣。在聚類算法上，採用最佳優先搜尋和輪廓係數，改進DBSCAN聚類方法，提出非對稱相似矩陣的BF-DBSCAN算法。

圖書目錄

第1章引言1
1.1 研究背景和研究意義1
1.1.1 研究背景1
1.1.2 研究的現實意義4
1.1.3 研究的理論意義4
1.2 研究內容及結構安排5
1.3 研究創新點和難點8
1.3.1 研究創新點8
1.3.2 研究難點9

面板數據聚類的複合方法與套用

基本介紹

基本信息

內容簡介

圖書目錄

相關詞條

熱門詞條