科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高财务数据分析的准确度。文中采用密度峰值聚类算法进行财务数据聚类分析，实现财务数据的深度分析。通过对财务数据样本进行特征提取，建立密度峰值聚类财务分析模型。根据密度峰值聚类的核函数计算密度值，对距离值和密度值按降序排序，选择较大值所对应的样本点作为若干聚类中心。通过计算各节点和各个聚类中心点的距离，根据设定的距离阈值来判定样本类别。为了防止距离阈值设置不合理而对聚类结果造成较大扰动，引入果蝇优化算法对距离阈值参数进行优化改进，通过果蝇群体对味道浓度的不断更新优化，获得最优适应度个体。采用经过果蝇优化算法优化后的密度峰值聚类算法完成聚类分析，获得财务数据聚类结果。实验结果表明：通过合理设置果蝇优化算法气味变化率范围等参数，对于6类行业样本的聚类准确率均超过了0.9。相比于常用财务数据分析聚类算法，经过果蝇优化算法改进的密度峰值聚类算法能够获得更高的聚类准确率和稳定性。
