模糊聚类在股票投资中的应用
模糊逻辑在机器学习中的应用
模糊逻辑在机器学习中的应用模糊逻辑是一种能够处理不确定性和模糊性的数学工具，它在机器学习中具有广泛的应用。
本文将介绍模糊逻辑在机器学习中的应用领域，包括模糊推理、模糊聚类、模糊决策等。
同时，本文还将探讨模糊逻辑在机器学习中的优势和不足之处，并提出一些未来发展方向。
1. 引言随着人工智能技术的发展，机器学习已经成为一种重要的方法来处理大规模数据和复杂问题。
然而，在现实世界中，许多问题往往是不确定和模糊的。
例如，在人脸识别领域，由于光线、角度等因素的影响，相同人脸可能会有不同的表情和外貌特征。
这些问题需要一种能够处理不确定性和模糊性的方法来解决。
2. 模糊推理2.1 模糊集合在传统逻辑中，一个对象要么属于一个集合，要么不属于这个集合。
然而，在现实世界中，很多对象的属性是模糊的。
模糊集合是一种能够处理这种模糊性的数学工具。
它使用隶属函数来描述对象属于集合的程度。
例如，一个人的身高可以用“高”、“中”、“矮”来描述，而不是一个具体的数值。
2.2 模糊推理系统模糊推理系统是一种能够处理不确定性和模糊性的推理方法。
它使用模糊规则和隶属函数来进行推理。
例如，在一个交通控制系统中，可以使用“如果交通拥堵且天气恶劣，则降低车速”的规则来控制车辆速度。
3. 模糊聚类3.1 传统聚类方法传统聚类方法通常将对象划分为互不相交的集合。
然而，在现实世界中，很多对象可能具有多个属性，并且这些属性之间可能存在一定程度上的相似性。
因此，传统聚类方法无法处理这种复杂情况。
3.2 模糊聚类方法模糊聚类方法能够处理对象具有多个属性和相似性存在不确定性的情况。
它使用隶属函数来描述对象属于不同聚类的程度，并将每个对象分配到多个聚类中。
例如，在一个客户分析系统中，可以使用模糊聚类方法将客户分为“高价值”、“中价值”和“低价值”三个聚类。
4. 模糊决策4.1 传统决策方法传统决策方法通常基于确定性的规则和条件。
然而，在现实世界中，很多决策问题具有不确定性和模糊性。
聚类分析在金融投资策略中的应用
聚类分析在金融投资策略中的应用随着人工智能和大数据技术的发展，聚类分析在金融投资策略中扮演着越来越重要的角色。
聚类分析是一种对数据进行分类的方法，它将相似的数据归为一类，不同的数据归为不同的类别。
在金融领域，聚类分析可以帮助投资者识别市场中的不同组别，发掘潜在的投资机会。
聚类分析的实现需要以下步骤：1、获取数据聚类分析需要大量的数据作为输入，这些数据可以从不同的来源获取，包括金融市场数据、经济数据、社会数据等。
在获取数据时，需要注意数据的质量和完整性，以确保分析结果的准确性。
2、数据预处理在对数据进行聚类分析之前，需要进行一些预处理操作。
这些操作包括数据清洗、变量选择、特征标准化等。
数据清洗可以去除无用信息和异常值，变量选择可以选取对聚类结果有影响的变量，特征标准化可以将数据转化为相似的量纲。
3、选择聚类算法选择聚类算法是聚类分析的核心。
常用的聚类算法包括K均值聚类、层次聚类、DBSCAN聚类等。
不同的算法适用于不同的数据类型和聚类需求。
选择适合的算法可以提高聚类结果的准确性和效率。
4、聚类结果分析聚类分析得到的结果通常是一组簇，每个簇包含一组相似的数据。
分析聚类结果可以帮助投资者了解市场中不同组别的特征和行为，从而制定相应的投资策略。
常用的聚类结果分析方法包括簇内异质性分析、簇间差异性分析、簇的可解释性分析等。
在金融投资领域，聚类分析可以应用于以下方面：1、资产组合优化聚类分析可以帮助投资者识别不同的资产组别。
投资者可以根据不同资产组别的特征和表现制定相应的投资策略，从而优化资产组合，提高投资收益。
2、股票选取聚类分析可以帮助投资者识别具有相似特征和表现的股票，从而筛选出符合投资需求的股票。
投资者可以根据股票的聚类结果制定相应的投资决策，从而降低投资风险，提高投资收益。
3、行业分析聚类分析可以帮助投资者识别市场中的不同行业组别，从而了解不同行业的表现和前景。
投资者可以根据行业的聚类结果制定相应的投资策略，从而把握市场机会，降低投资风险。
股票投资价值评估指标体系建立研究
的普通股 的平均股 数之 比，反映 了每股 发行在外 的普通股所 能 分摊到 的净收益额 ，具体 的计算公式 为：每股 收益： 净利 润一 （ 优 先股 股息） 发行在外的普通股加权平均数 。 ／ 由于 优先股股 本一般按 照固定 比例 并且是在 支付普通 股股 利 之 前 支 付 股 息 ，在 计 算 普 通 股 股 本 所 应 该 享 有 的 收 益 额 时应 先扣除优 先股股息 。另外 ，因为本期 内发行在外 的普 通股可 能 增 加 或 减 少 ， 其 中减 少 的 普 通 股 股 数 在 减 少 以前 的 期 间 内仍 产 生 收 益 ，增 加 的 普 通 股 只 在 增 加 以后 的 时 期 内产 生 收 益 ，所 以 采 用加权平 均数才 能够 正确 反映本期 内发行在外 的流通股股份 数 。 一 般 来 说 ，普 通 股 每 股 收 益 越 高 ， 该 企 业 的 获 利 能 力 就 越 强，在其他 因素不变 的情况 下，该种股 票市价则越 高 ；反之亦 然 。不过 ，在 运用 该指 标进行 分析时应注 意 ，该指标 在不 同行 业 公司间不可比。 ２ ）每 股 净 资产 每股净资产指的是公司期末股东权益与普通股总股数之 比，其 计算公式为：每股净资产＝ 年末股东权益／ 年末普通股股份总数。 其 中，年末股东权益是总资产减去总负债后的余额 每股净 资产反映 了发 行在外 的每股 普通股 所代表 的净 资产成本 ，是 公 司 普 通 股 每 股 股 票 的最 低 价考虑每股 净资产 ，在实践 中有着重要 作用 。如 果公 司的股票价格 低于净 资产 的成 本，且该 成本又接近其 变现 价值 ，则说 明该股票不 能产生合 理的利润和 回报而处 于异常状 态 ，不 值得投 资。也就 是说 ，该指标 结合股 票价格能够 反映 出 投资该 企业 的资产 能否产 生合理 的利润 回报 ，具有重要 的风险 提示作用 。另外 ，每股净 资产的增加 也反映 出企 业盈利 能力的 增加 。因为企业 盈利能力越 强 ，则产 生 的年末利 润越 多，那么 这些利润 除 了直接 分配给股 东后会通 过 留存收 益或者 留存 收益 转增资本 等形式而 使得年末 股东权益 上升 ，导致 每股净 资产的 增 多 。所 以 每 股 净 资 产 是 反 映 企 业 盈 利 能 力 的 一 个 非 常 重 要 的 指标 ，得 到高度重 视 。但是 ，每股净 资产涉及到 采用历 史成本 计量的 资产 ，并不 能全面反 映净资产 的变现价值 ，也不 能直 接 反映 出净 资产 的产 出能力 ，而且每股 净资产在不 同行业公 司之 间不具备可 比性 ，所 以进行 实际投 资分析时要注 意其局限性 。
西北地区上市公司的模糊聚类分析研究
维普资讯
Ｏ
青海 师 范大学学 报 （ 自然科 学版 ）
２０ ０２正
∑ ・ ｝
其 中 ｒ＝ ｌｒ Ｒ＝ ｜ ＿ ＝＝ Ｉ ＝———一
（ ∑ ）∑ ） （ ２
２ ４ 模糊 聚类 阵及 聚类分 析结 果
定 义 ｌ对 Ｏ ≤Ｉ均 有 Ｒ Ｉｖ ≥ Ｒ ｖ∞ ≥ 则 Ｒ Ｉ ） ， Ｒ是 传递 关 系。 ： ≤ ． （ ，） ， （ ，） ， １ （， ≥ 称 １
文章 编号 ：０ １ ５ ２ ２０ ）１ ０ ８ ５ １０ —７ ４ 《０ ２ ０ —０ ０ —０
西北 地 区上 市公 司 的模 糊 聚 类分 析研 究
索 南仁 欠
（ 青悔 师 范 大 学 民旗 部 ， 海 西 宁 ８ｏ ） 青 １（ ￣
摘
要： 文利用 ３ 家西北地 区上市蛰司的 １ ９ ｉ 车 ８ ９ 年ｊ 务指标数据 ． ９ 寸 运用模糊 聚类丹析方法对其进行 聚类 分析研究 ． 以多 并
改革 建设政 策 赖 施 行 的重要 基石 ， 尤其是 在西部大 开发 战 略施行过 程 中 ， 股票 市场 的作 用 更是 日显突
，
西北 地 区 由于历史 和经 济 的原 因， 我 国沪 、 市 的上市 公司 中 ， 在 深股 隶属 于青海 、 西藏 、 肃 、 疆 、 甘 新 宁
夏等 五省 （ 自治 区 ） 的不 足 四十家 ， 文选 取 了 ３ 本 ８家企 业 ， 尝试 用 ቤተ መጻሕፍቲ ባይዱ糊 聚类分 析 和 多元 统 计判 别 分 析方 法对这 ３ ８家企 业按 相似性 进行 分类 ． 为该地 区企业 的经 营管理 提供 一定 的参 考依 据 。
定义 ２￣ｇ①Ｒ是传递关系且 Ｒ Ｒ ②Ｑ是任意传递关系且 Ｑ Ｒ和 Ｑ Ｒ 称 Ｒ 为 Ｒ的传递 闭 ：ｎ ；
基于投资者偏好的模糊投资组合模型
Θ是非空集合，()p Θ表示Θ的幂集，Cr 是从()p Θ到实数集的函数。
如果Cr 满足以下条件：1．{} 1.Cr Θ=2．Cr 是递增的，即对A B ∀⊂，{}{}.Cr A Cr B ≤3．Cr 是自对偶的，即对()A p ∀∈Θ，{}{} 1.c Cr A Cr A +=4．{}0.5sup {}i i i i Cr A Cr A ∪∧=，其中{}0.5.i Cr A ≤则Cr 称为可信性测度，(),(),p Cr ΘΘ称为可信性空间。
定义2.[17] 模糊变量是一个从可信性空间(),(),p Cr ΘΘ到实数空间R 的函数，其中Cr 是度量模糊事件发生的可信性的测度。
定义3.[17] 设ξ为模糊变量，则称0E[]{}d {}d Cr r r Cr r r ξξξ+∞−∞=≥−≤∫∫ （1） 为模糊变量ξ的数学期望（为了避免出现∞−∞情形，要求式（1）右端两个积分中至少有一个有限）。
特别的，若模糊变量ξ具有连续的隶属函数，则E[]d {}x Cr r ξξ+∞−∞=≤∫。
[收稿日期] 2010 − 09 − 29[基金项目] 2006年度国家自然科学基金重点项目（70633001）.[作者简介] 赵丽华（1973−）女，天津大学管理与经济学部博士研究生，天津职业技术师范大学管理与经济学院副教授；杨勇（1982−）男，天津大学管理与经济学部博士研究生；张再生（1964−）男，天津大学管理与经济学部教授，博士生导师.ξ是离散的，隶属函数为1122,,(),m m x x x x x x x µµµµ=⎧⎪=⎪=⎨⎪⎪=⎩，且11m µµ∨= ，则1E[]m i ii w x ξ==∑，其中 11111(max{|}max{|}2 max{|}max{|})i j j i j j i j m j m j j i j j i j m j mw x x x x x x x x µµµµ≤≤≤≤≤≤≤≤=≤−<+≥−>命题[17] 设ξ和η是两个相互独立的模糊变量，并且期望值存在，则对于任意实数a 和b ，有下式成立E[]E[]E[]a b a b ξηξη+=+ （2）由此可见，对于一般的模糊变量，期望值算子不满足线性可加性，这一点是不同于随机情形的。
聚类分析在金融市场中的应用
聚类分析在金融市场中的应用聚类分析是一种重要的统计分析方法，广泛应用于各个领域，包括金融市场。
金融市场作为一个充满复杂性和不确定性的系统，需要准确而有效的分析方法来帮助投资者做出决策。
在这一点上，聚类分析提供了一种有效的手段，可以帮助投资者发现市场中存在的各种模式和规律，提升投资决策的准确性和效率。
聚类分析通过将相似的对象分组来形成若干个聚类，从而实现对市场的分类和分析。
在金融市场中，聚类分析可以应用于多个方面，包括市场分割、资产组合构建、风险管理等。
首先，聚类分析在金融市场中可以用于市场分割。
市场分割是指将市场按照某种特征将其分为若干个子市场，从而更好地理解市场的结构和运行规律。
聚类分析可以通过对市场数据进行聚类，将相似的个股或资产划分到同一个簇中，从而形成不同的市场分割。
这种分割可以帮助投资者根据自身需求和投资策略来选择合适的市场进行投资，提高投资回报率。
其次，聚类分析在金融市场中可以应用于资产组合构建。
资产组合构建是指根据一定的投资目标和制约条件，在各种可投资资产之间进行选择和配置，形成一个具有一定风险和收益特征的投资组合。
聚类分析可以帮助投资者识别出具有相似特征的资产，并将其纳入到同一个资产组合中。
这样，可以使得资产组合更加多样化，降低整体风险，并提高投资回报率。
聚类分析还可以应用于金融市场中的风险管理。
金融市场中的风险是不可避免的，因此对风险的有效管理十分重要。
聚类分析可以通过将个股或资产按照其风险特征进行分组，从而帮助投资者更好地理解风险分布情况。
通过对不同组别的风险进行分析和比较，投资者可以制定相应的风险管理策略，减少风险并提高投资回报。
另外，聚类分析在金融市场中还可以应用于市场预测和交易行为分析。
聚类分析可以通过对历史市场数据的聚类，发现市场中存在的一些规律和模式，并根据这些规律和模式进行市场预测和交易行为分析。
例如，聚类分析可以帮助投资者发现市场中的短期趋势，进而制定相应的交易策略。
模糊数学理论在证券投资分析中的应用
ｃ ｍｐ ｉａ ｅ ．Ｉ ｈ ｓ ｐ ｐ ｒ ｈ ｅ ｍａｈ ｍａ ｃ ｌ ｔ ｅ ｒ ｕ ｚ ｏ ｒ ｈ ｎ ｉ ｅ ｅ ａ ｕ ｔ ｎ ｍｅ ｈ ｄ ｏ ｈ ｎ ＇ ｓ ｃ ｒｔ ｓ ｍａ ｋ ｔ ｎ ｅ ｔ ｎ ｏ ｌ ｒ ｄ ｎ ｔｉ ａ ｅ ，ｔ ｔ ｅ ｔ ａ ｏ ｙ ｏ ｆ ｚｙ ｃ ｍｐ ｅ ｅ ｓｖ ｖ ａｉ ｔ ｏ ｎ Ｃ ｉ ａ ｓ ｅ ｕ ｉ ｒ ｅ ，ｉ ｖ ｓｍｅ ｔ ｃ ｉ ｈ ｆ ｌ ｏ ｉ ｅ
二、 模糊数学理论
模糊数学是一 门新兴学科 ， 是研究 和处理模糊性 现象的数学 理论 和方 法 ， 它不是让 数学变成模糊 ， 而是让 数学研究进入 到模 糊现象这样的领域 。１ ６ ９ ５年美 国控制论学者扎德 （ ． Ｚ ｄ ｈ 发 ＬＡ． ｅ ） ａ 表论文《 模糊集合》 标志着这 门新学科 的诞生 。该学科 发展 的主 ， 流是在它 的应用方 面， 由于模糊性概念 已经找到 了模糊集 的描述
２０ ０ ９耳 第 ８卷 第 ２ （ 期 总第 １７期 ） ０
１ ９
模糊数学理论在证券投资分析中的应用
刘智慧 一 ． ，鲁五一
（． １中南大学信 息科学与工程 学院 ， 湖南长沙 ４ ０ ７ ；２ 建省 南平铝业有限公 司， １０ ５ ． 福 福建 南平 ３３ ０ ） ５ ０ ０
摘 要： 关于证券投资分析的方法有很 多种 ， 涉及的知识 面很广泛 ， 比较复杂 。 本文利用模糊数 学理论 的综合评判方法 ， 中国证券 对 投资市场进行 分析 ， 判断证 券市场中长期 的总体走 势方 向， 为证 券投 资者买卖决策提供一种新的操作参考依据 。
ａａ ｓ ，ｔｅｓ ｃ ｒｅ ｔ ｕ ｇ ｈ ｖｒｌ ｔ ｎ ｎ ｔｅｄｒｃ ｏ ｆｔｅｍｅｉｍ ｎ ｏ ｇ ｔ ｍ ｉｖｓ ｒ ｉ ｅ ｕｉｅ ｒｄｎ，ａ ｎ ｙｉ ｈ ｔ ｋ ｍａｋｔ ｏｊｄｅ ｔｅ ｏｅａ ｒ ｄ ｉ ｈ ｉ ｔ ｎ ｏ ｄｕ ａｄ ｌ －ｅ ｎ ｅｔ ｓ ｎ ｓｃｒ ｓｔ ｉｇ ｌ ｓ ｏ ｌ ｅ ｅｉ ｈ ｎ ｒ ｏ ｉ ｔ ａ
毕达哥拉斯模糊软集及其应用
毕达哥拉斯模糊软集及其应用彭新东;杨勇;宋娟萍;蒋芸【摘要】直觉模糊软集不能处理参数的隶属度与非隶属度之和大于1的情况,使决策过程受限,影响其应用范围.针对该问题,结合毕达哥拉斯模糊集的特性与软集的参数化,构造毕达哥拉斯模糊软集.介绍毕达哥拉斯模糊软集的补、并、交、且、或、加、乘、必须、可能等运算,给出运算结果,并讨论其德摩根定律.设计基于毕达哥拉斯模糊整合算子的决策算法,分析该算法的计算复杂度,并将其应用到股票投资,应用结果证明了该算法的有效性.【期刊名称】《计算机工程》【年(卷),期】2015(041)007【总页数】6页(P224-229)【关键词】毕达哥拉斯模糊软集;整合算子;德摩根定律;计算复杂度;股票投资【作者】彭新东;杨勇;宋娟萍;蒋芸【作者单位】西北师范大学计算机科学与工程学院,兰州730070;西北师范大学计算机科学与工程学院,兰州730070;西北师范大学计算机科学与工程学院,兰州730070;西北师范大学计算机科学与工程学院,兰州730070【正文语种】中文【中图分类】TP301中文引用格式：彭新东，杨勇，宋娟萍，等.毕达哥拉斯模糊软集及其应用［J］.计算机工程，2015，41（7）：224⁃229.英文引用格式：Peng Xindong，Yang Yong，Song Juanping，etal.Pythagorean Fuzzy Soft Set and Its Application［J］.Computer Engineering，2015，41（7）：224⁃229.Molodstov于1999年从参数化的角度提出了一种新的处理不确定性问题的数学工具，即软集［1］，并成功地将其应用到函数的平滑化、黎曼积分、测度论等数学分支中。
近年来，许多学者将软集理论与其他数学模型相结合。
Maji等在2001年将模糊集与软集结合，提出了模糊软集［2］，讨论了相应的一些性质，随后其提出了直觉模糊软集［3］。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
０ 引 言
传统的聚类分析是将每个 待辨识 的对 象严 格地划
分到某个类 中 ． 具有“ 非此 即彼” 的性质 。 分 类 的类 别 界 限是分 明的 ． 因 此 传 统 的 聚类 分 析 又 称 作 硬 划 分 ｆ １ ］ 。 而 实 际 上 大 多 数 对 象 并 没 有 严 格 的 属 性 ．分 类 往 往 伴 随 着 模 糊 性 ．如 “ 年轻 人 ” 、 “ 老年 人 ” 、 “ 高个 子 ” 、 “ 矮 个
技 术 之 一 。 阐述 模 糊 聚类 的 理论 ， 以部分石油股票为例 ， 抽 取 影 响石 油 股 票 收益 因素 的数 据 ， 利 用 最 大 最 小 法 建 立 相 似矩 阵 ． 用 传 递 闭包 法作 出 聚 类 分 析 ， 并进行总结 。
关键词 ：
模糊 聚类序 ： 相似矩阵 ； 模糊 等价 矩阵
文章编 号 ： １ ０ ０ ７ — １ ４ ２ ３ （ ２ ０ １ ４ ） ２ ８ — ０ ０ ０ ３ — ０ ６
Ｄ ＯＩ ： １ ０ ． ３ ９ ６ ９ ￣ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ７ — １ ４ ２ ３ ． ２ ０ １ ４ ． ２ ８ ． ０ ０ １
模糊聚 类在 股票投资 中的应用
投 资 收 益 进 行 归 类 ．为 购 买 股 票 和对 比选 购 股 票 提 供 参考。 聚类分析 的职能是 建立一 种分类方法 ． 它 是 将 一 批样 品或变量． 按 照 它 们 在 性 质 上 的 亲 疏 程 度 进 行 分 类旧 凡 是 具 有 数 值 特 征 的变 量 和 样 品 都 可 以 采 用 系 统
１ 确定分类对象 ． 抽 取 因素数 据
如 果 某 分 类 问题 Fra bibliotek 有 ｍ 个 样 本 、 ｎ 个特性 指标 ， 可
● ● ● ● ●
这 里 表 示 第 个 石 油 公 司 股 票 的第 个 指 标 （ 其
中 ＝ １ ， ２， ３， …， １ ２ｉ ７ ＝１ ， ２， …， ８ ） 。这 八 项 性 能 指 标 为 ：
捧 。过 去那种高投机 、 高市盈率 、 价 格严 重偏离其价值
的 现象 将 逐 步 纠 正 理 智 的股 票 投 资 者 ． 将 会 更 加 重 视
传 统的方法加 以改进 ．在一定置信 水平下对石 油股票
上市公 司的经 营业绩。 重视股 票 自身 的品质． 即重视投
资 对象 的选 择
现 代 计 算 机 ２ ０ １ ４ ． １ ０ 上 ０
的数值分类效果
中 国股 市 从 无 到 有 。 发 展 至今 已颇 具 规 模 ． 前 些年，
在 中 国 股 市 发 展 的初 级 阶 段 ． 由于 市 场 规 模 小 。 上 市 公 司数 量 不 多 ． 加 上 股 民 的投 资 观 念 和 操 作 方 法 不 太 成 熟， 因此， 投机 性特强。 这 时 用 不 上 多 少 技 术 分 析 。但 是 ，
此亦 彼” 关系 ． 承 认 论 域 上 存 在 并 非 完 全 不 属 于 某 集 合 又 并 非 完 全 属 于某 集 合 ．使 经 典 集 合 的绝 对 属 于 的 概
念 变 为 相 对 属 于 的概 念 田． 所 以用 模 糊 数 学 方 法 来 进 行
千 种股票胡 乱抓一气 ． 碰运气． 甚 至 受 各 种 股 评 和 谣 言
随着 股 市 发 展 、 投 资 手 法 和 证 券 监 管 方 法 的成 熟 。 以 及 上 市 公 司数 量 的 不 断 增 多 ． 如果再 和 以往一样 ． 面 对 上
这类 问题 中 ． 如果要讨论 某个元素是 否属于某个集合 ． 就不 能简单地用是与 不是来 回答 由此必 须把元素 属 于集合 的概念模糊化 ． 变经典 的“ 非此 即彼” 关系为 “ 亦
所 左右 － 贝 ０ 很 难走 向理性化． 进 而 难 以最 终 取 得 投 资 成 功 中 国 股市 迅 速发 展 壮 大 是 有 目共 睹 的 。 随 着 中 国 的
聚类 分析 显得更 为客观 、 自然 ， 这便 是模 糊聚类 分 析 ，
模 糊 聚 类 的 方 法 是 通 过 建 立 模 糊 相 似 矩 阵 而 后 将 客 观
聚类方 法． 选 择 不 同 的距 离 和 聚 类 方 法 可 以 获 得 满 意
子” 、 “ 胖子” 、 “ 瘦子” 等， 以及“ 大约等 于 ５的数 ” 、 “ 比１ Ｏ
小 得 多 的实 数 ” 等 。在 这 样 一 类 问 题 中 ． 概 念 的 外 延 是 模糊 的 ， 这 种 没 有 明确 外 延 的 概 念 ． 称 为模 糊 概 念 。在
李 毅
（ 上 海 海 事 大 学 信 息工 程学 院 ， 上海 ２ ０ １ ３ ０ ６ ）
摘要 ：
聚类分析 即将一组事物根 据其性质上亲疏 远近的程度进行 分类 。 把性质相近 的个 体归为一类 ． 使得 同一类 中的个体
具有高度 的同质性 ， 不 同类 之间的个体具有高度 的异质性 。模糊聚类分析是现今模糊理论应用最 广泛和最富成果 的
构 造 一个 ｍＸ ｎ的 原 始数 据 矩 阵 ：
每股收益 ） 、 每股净 资产 （ ） 、 净资产 收益率 （ Ｙ ， ） 、 营 业收入 （ ） 、 营业收入增 长率 （ ） 、 销售 毛利率 ） 、 净
股 市正在逐 步走 向完善． 走 向规 范化． 价格 及其 内在价 值 回归是未来股市发展 的重要方 向 股票的档次将不
断拉开． 成 长 率 高 的绩 优 股 会 越 来 越 受 到 投 资 者 的追
事 物予 以分类 的方法 ， 它在 天气预报 、 地 震预测 、 地 质 勘探 、 环 境 保 护 以及 图 像 、 语音识别 等领域具有广 泛 的 应用 。 是 现今 模 糊 理 论 应 用 最 富 成 果 的技 术 之 一 本 文 将 模糊 聚类分 析方法应 用 到石油 股票投 资 收益 中 ． 对