توجه: محتویات این صفحه به صورت خودکار پردازش شده و مقاله‌های نویسندگانی با تشابه اسمی، همگی در بخش یکسان نمایش داده می‌شوند.
۱KNOWLEDGE DISCOVERY FROM IRANIAN CAPITAL MARKET BY USING DATA PATTERN CLUSTERING
نویسنده(ها): ،
اطلاعات انتشار: پنجمین کنفرانس بین المللی تجارت الکترونیک در کشورهای درحال توسعه، سال
تعداد صفحات: ۷
Time series data poses a significant variation to the traditional segmentation techniques of data miningbecause the observation is derived from multiple instances of the same underlying record. In this paperwe propose a new pattern for extracting knowledge form stock market by eliminating some partialfluctuation and using clustering algorithm of data mining which bring us efficient information aboutcurrent situation. Since similarity measurements of time series play a crucial role in many KDDapplications, data mining clustering techniques could be used in extracting hidden information at equaltime intervals. Evaluating and analyzing the results help us; find efficient reasons on stock marketingportfolios variation.<\div>
نمایش نتایج ۱ تا ۱ از میان ۱ نتیجه