论文部分内容阅读
比较分析传统的K-means聚类方法、半监督K-means聚类、半监督K-means核聚类方法在多因子选股问题中对于模型局部最优解、样本线性不可分、样本分布非球状簇、变量稀疏性等问题的处理存在的不足,提出了改进的半监督K-means核聚类方法。该方法是在基于重力影响因子的半监督K-means核聚类方法的基础上,通过对核函数的改进,使其在处理样本线性不可分,变量稀疏性等问题中具有较高效率。实证结果表明:股票样本矩阵是一个典型的高稀疏集群矩阵,样本之间的分布存在明显的线性不可分问题。改进的模型具有较强的