机读格式显示(MARC)

• 000 01944oam2 2200301 450

• 001 0000246723

• 005 20230328212700.0

• 010 __ |a 978-7-5194-5982-6 |b 精装 |d CNY95.00

• 100 __ |a 20210615d2021 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a az 000yy

• 106 __ |a r

• 200 1_ |a 长时间序列聚类方法及应用研究 |A chang shi jian xu lie ju lei fang fa ji ying yong yan jiu |e 基于股票价格 |f 孙吉红,刘伟成著

• 210 __ |a 北京 |c 光明日报出版社 |d 2021

• 215 __ |a 216页 |c 图 |d 25cm

• 225 2_ |a 光明社科文库 |A guang ming she ke wen ku |i 经济与管理书系

• 314 __ |a 孙吉红,女,1971年8月生,山东省莱州市人,2011年6月毕业于武汉大学,获管理学博士学位,现为齐鲁工业大学理学院副教授,公开发表学术论文20余篇。主要研究方向为金融大数据分析、信息检索与信息服务系统。刘伟成,男,1971年9月生,山东省莱州市人,2006年6月毕业于武汉大学,获管理学博士学位,美国伊利诺伊大学香槟分校访问学者。曾任武汉科技大学管理学院三级教授,硕士生导师,图书馆副馆长,现为湖北省图书馆党委书记、馆长,并兼任中国图书馆学会常务理事、全国高校信息资料研究会常务理事、中国索引学会常务理事。主要研究方向为知识产权战略管理、数图书馆、信息检索与信息服务系统。

• 320 __ |a 有书目 (第191-216页)

• 330 __ |a 本书在以往时间序列预测的研究基础上,抽取了LE、几个时域特征(幅值平方和、峰值、方差、峰度、偏度)、功率谱密度、趋势项系数、时频转换特征项、自相关函数、偏相关函数、周期项系数等几个序列特征,分别采用了基于层次的CURE聚类方法、减聚类与CURE聚类结合的聚类方法对长时间序列进行聚类。实践证明,该金融时间序列挖掘模型能有效地指导用户的市场行为,辅助用户决策。无疑,本书的研究将填补国内在时间序列数据挖掘领域中对长时序进行研究的空白,将为国内金融时间序列挖掘研究填充新的内容。

• 410 _0 |1 2001 |a 光明社科文库 |i 经济与管理书系

• 462 _0 |1 2001 |a 经济与管理书系

• 606 0_ |a 金融 |A jin rong |x 时间序列分析

• 690 __ |a F830 |v 5

• 701 _0 |a 孙吉红 |A sun ji hong |f (1971-) |4 著

• 701 _0 |a 刘伟成 |A liu wei cheng |f (1971-) |4 著

• 801 _0 |a CN |b GDXH |c 20210615

• 905 __ |a GDPTC |d F830/148