非均匀区间与分布式符号数据的多元分析方法

面对海量数据，符号数据分析技术通过"数据打包"，将样本数据由原来的"点数据"变为"符号数据"，实现了样本上的降维，并能从全局上把握数据对象的内在结构特征。.研究非均匀区间数据与分布式数据这两种符号数据的多元分析方法。首先研究符号数据分布函数的估计，并基于此计算符号描述统计量。然后，在对现有区间型符号数据主成分分析（PCA）进行比较研究的基础上，建立面向非均匀区间与分布式符号数据的PCA方法。研究符号数据聚类分析，在目前对硬聚类算法研究已较多的条件下，重点研究面向非均匀区间与分布式符号数据的模糊聚类算法。研究符号数据的多元回归分析，包括回归模型的参数估计、显著性检验、拟合优度检验、残差分析、模型的评价等，并对可线性化的非线性回归做一些探索性研究。最后将上述方法应用于我国股票市场的若干问题进行案例分析。