基于图像映射复杂网络分析开题报告全文.docVIP

XX大学计算机学院 研究生开题报告全文 学科专业 计算机科学与技术 学 号 姓 名 黄宗文 导 师 基于图像映射的时间序列相似度复杂网络分析 黄宗文 1 研究目的与意义 对股市系统拓扑性质的认识更加透彻，更有利于我们的盈利，避免弊端。特别是对系统健全性和交易动态的研究，可以加强市场监管，有效防范大规模经济危机。在股票网络中，顶点是股票市场系统中的元素，两个顶点通过边连接。例如，两个股票之间的联系可以根据它们的价格动态来定义，考虑到它们各自的时间序列之间的相关性。这样的表示允许通过考虑复杂网络理论中的工具和概念来分析金融市场的组织和时间演变。此外，可以获得有关市场相互关系的重要见解，分析股票集体行为，捕捉金融组织，进化和出现。 结合中国股市的特征，本文致力于股票之间相互影响，并试图寻找到一些影响的特殊性以供参考。因此，基于图像映射复杂网络，本文研究的目的主要有： ① 采用复杂网络建模的方法来构建证券市场模型，分析交易者、信息、股票收益率以及股票之间的相互关系，为全面分析证券市场的运行探索新的研究方法。 ② 分析不同经济时期，股票网络各节点之间影响作用强弱，整体拓扑变化。 ③ 研究成果可为投资者的投资行为提供指导。 2 国内外研究现状 研究表明，复杂网络理论在不断发展过程中，已经可以抽象刻画出系统内部的结构和行为信息。这种理论逐步代替传统方法，为时间序列分析提供新的思想和技术手段。通过对复杂网络拓扑性质的慢慢深入探究，更多的学者希望将该理论应用时间序列当中；从网络和节点等新的角度对非线性时间序列进行描述，分析其内部网络拓扑结构的同时，探究相应复杂系统的动力学特征；最终实现多领域（如：医疗、经济、社区）系统行为的监管和控制。 针对更多现有复杂网络的实验考察，可以总结复杂网络的基本特征表现为“小世界”特性和无标度特性。而后，更多复杂系统的研究被展开，大量的实际领域网络也证实复杂网络的度分布不一定服从幂律分布。这些不断的探索使得更多学者对复杂网络理论感兴趣；与之前复杂网络的重点不同，大量研究则主要针对实际网络进行讨论，基于系统内部非线性特点，结合图论、统计学、控制学以及建模理论研究复杂网络的结构特征。透过这些特征分析网络的整体功能，同时研究个体的行为在整体网络的动态变化下动力学性质的改变。 对于股票网络的研究,目前大多是以美国等西方国家的股票为基础进行研究，并且主要是以对数价格收益皮尔逊相似度为基础建立股票网络，方法较为单一。考虑到这些研究是以美国资本市场为基础所进行的经验总结，而与美国经济相比，中国经济至少有两个方面不同：第一，在经济周期的启动上，中国每一轮经济周期的启动，几乎都是政策财政刺激投资的结果，而美国在历史上很少使用财政刺激政策，更多体现为经济的自主恢复；第二，在经济增长的主导因素上，美国以消费为主，而中国则是以投资为主。因此本文构建基于图像映射的股票网络，研究阈值股票网络的拓扑属性，为市场建设经济监管提供参考。 3 研究内容和方法 首先对多元时间序列进行特征选择，再将时间序列转换成图像计算图像间的相似度根据相似度构建阈值网络研究网络拓扑属性 3.1时间序列转换图像及图像相似度计算 多元时间序列特征选择，留下保留信息较多的属性，把这些属性时间序列归一化后，转换成极坐标表示，进而合成GAF图像。图像相似度计算主要用于对于两幅图像之间内容的相似程度进行打分，根据分数的高低来判断图像内容的相近程度。可以用于计算机视觉中的检测跟踪中目标位置的获取，根据已有模板在图像中找到一个与之最接近的区域。然后一直跟着。已有的一些算法比如BlobTracking，Meanshift，Camshift，粒子滤波等等也都是需要这方面的理论去支撑。还有一方面就是基于图像内容的图像检索，也就是通常说的以图检图。比如给你某一个人在海量的图像数据库中罗列出与之最匹配的一些图像，当然这项技术可能也会这样做，将图像抽象为几个特征值，比如Trace变换，图像哈希或者Sift特征向量等等，来根据数据库中存得这些特征匹配再返回相应的图像来提高效率。 物体表面的亮度信息与照度和反射系数有关，且场景中的物体的结构与照度是独立的，反射系数与物体有关。SSIM算法把与物体结构相关的亮度和对比度作为图像中结构信息的定义。因为一个场景中的亮度和对比度总是在变化的，可以通过分别对局部的处理来得到更精确的结果。SIFT 特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度也相当高。基于这些特性，它们是高度显著而且相对容易撷取，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误