دوره 9، شماره 1 - ( بهار 1402 )                   دوره 9 شماره 1 صفحات 29-1 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

., .. Improving clustering by detecting and removeing outliers based on Euclidean and exponential distance approach. mmr 2023; 9 (1) :1-29
URL: http://mmr.khu.ac.ir/article-1-3043-fa.html
احسانی عطیه، آل‌محمد سیده نفیسه. بهبود خوشه‌بندی از طریق تشخیص و حذف سری‌های زمانی پرت بر اساس رویکرد فاصله‌ای اقلیدسی و نمایی. پژوهش های ریاضی. 1402; 9 (1) :1-29

URL: http://mmr.khu.ac.ir/article-1-3043-fa.html


1- دانشگاه شاهد،
2- دانشگاه شاهد ، n.alemohammad@shahed.ac.ir
چکیده:   (993 مشاهده)
در این مقاله یک روش جدید جهت شناسایی سری زمانی پرت بر اساس مدل گارچ  با رویکرد فاصله‌ای نمایی ارائه می‌شود که در سه مرحله انجام می‌گیرد: ابتدا روش‌های خوشه‌بندی فازی و غیر فازی بر روی سری‌های زمانی  پیاده سازی شده، سپس داده‌های پرت تشخیص داده و از مجموعه داده‌ها حذف می‌شود. پس از حذف مقادیر  پرت دوباره روش‌های خوشه بندی بر مجموعه داده‌ها اعمال خواهد شد. برای ارزیابی روش‌های ارائه شده از سهام ۳۰ شرکت برتر، فعال و پر سود موجود در بازار بورس ایران استفاده می‌شود. با محاسبه دو شاخص سیلهوت و ایکس ای بنی دقت‌ روش‌های خوشه‌بندی به کار گرفته شده با هم مقایسه می‌شوند و در پایان نشان داده می‌شود با حذف داده پرت روش خوشه‌بندی بر اساس مدل گارچ بر اساس رویکرد فاصله‌ای نمایی بهترین عملکرد را داراست.
 
متن کامل [PDF 1738 kb]   (571 دریافت)    
نوع مطالعه: سایر | موضوع مقاله: ریاضی
دریافت: 1398/10/24 | ویرایش نهایی: 1402/10/17 | پذیرش: 1400/2/27 | انتشار: 1402/3/30 | انتشار الکترونیک: 1402/3/30

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به پژوهش‌های ریاضی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Mathematical Researches

Designed & Developed by : Yektaweb