CHAMELEON算法
CHAMELEON算法是由G. Karypis, E.H. Han 和 V. Kumar在1999年提出的一种动态层次聚类方法。
基于动态模型计算相似性
只有当两个类之间的相似性高于类内对象的相似性时合并两个类。
本质上，是一个两阶段算法
1.首先，使用图分割算法将数据集合划分为多个子集；
2.然后，使用层次聚类中的凝聚方法将这些子集进行反复的合并，直至获得最终的聚类结果。
2022-05-14 14:34:34
9.28MB
1
%% 蚁群算法模拟山区地势图，从一个起点到终点的最佳路线。此处的山谷数据可以更改为城市间的数据或者其它想要路径优化的数据，适用性广
2022-05-13 16:05:30
3KB
提出了一种数据驱动的神经网络（NN）优化框架，以在确定缴款养老金计划的积累阶段确定最佳资产分配。 与通过偏微分方程方法计算的基于参数模型的解决方案相比，所提出的计算框架可以扩展到高维多资产问题。 更重要的是，所提出的方法可以直接从市场收益中确定最佳的NN控制，而无需为收益过程假设特定的参数模型。 我们通过将NN控制与由Hamilton-Jacobi-Bellman（HJB）方程的解决方案确定的最优控制进行比较，来验证所提出的NN学习解决方案。 HJB方程解基于已根据历史市场数据校准的双指数跳跃模型。 NN控制几乎达到最佳性能。 一种替代的数据驱动方法（不需要参数模型）是基于使用历史引导重采样数据集的。 通过使用不同于测试数据的块大小进行训练来检查鲁棒性。 在两种和三种资产情况下，我们都比较了从市场收益样本路径直接学习的NN控件的性能，并证明了它们始终明显优于固定比例策略。
2022-05-13 00:05:45
279KB
1