.png){kind=icon}
返回
Hierarchical Clustering and Prediction Optimization Algorithm for Heterogeneous Panel Data
.png){kind=icon}
PRE
AI
DOI：10.1142/s0218001426590184.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在异质性面板数据分析中，如经济学数据（信息收集跨越不同时期、个体、行业或区域），现有聚类和预测技术往往难以捕捉数据中固有的复杂结构（例如子组间行为差异、趋势或变量相关性，如不同行业或区域的经济条件差异）。本文解决的核心研究问题是：如何有效建模和预测此类多样化数据集的结果，传统方法常在捕捉多层级关系和异质性方面遇到困难。本文提出HCPHO算法，一种结合层次聚类与自适应预测优化策略的新方法。该算法首先对数据进行多层级划分，以发现不同区段内的多样化模式，随后采用动态优化过程通过调整模型权重和基于局部及全局数据特征选择相关特征来提升预测精度。实验结果表明，HCPHO在聚类准确度和预测性能上均优于传统方法，使其成为各类领域异质性数据分析的有价值工具。
Keyword:
Hierarchical clustering
prediction optimization
heterogeneous panel data
adaptive learning
data segmentation
期刊
IF:
1.1
论文数:
215
被引数:
2.0K
机构
查看更多机构
.png){kind=icon}
