بهبود خوشه ‌بندي از طريق تشخيص و حذف سري ‌هاي زماني پرت بر اساس رويكرد فاصله‌اي اقليدسي و نمايي

در اين مقاله يك روش جديد جهت شناسايي سري زماني پرت بر اساس مدل گارچ  با رويكرد فاصله‌اي نمايي ارائه مي‌شود كه در سه مرحله انجام مي‌گيرد: ابتدا روش‌هاي خوشه‌بندي فازي و غير فازي بر روي سري‌هاي زماني  پياده سازي شده، سپس داده‌هاي پرت تشخيص داده و از مجموعه داده‌ها حذف مي‌شود. پس از حذف مقادير  پرت دوباره روش‌هاي خوشه بندي بر مجموعه داده‌ها اعمال خواهد شد. براي ارزيابي روش‌هاي ارائه شده از سهام ۳۰ شركت برتر، فعال و پر سود موجود در بازار بورس ايران استفاده مي‌شود. با محاسبه دو شاخص سيلهوت و ايكس اي بني دقت‌ روش‌هاي خوشه‌بندي به كار گرفته شده با هم مقايسه مي‌شوند و در پايان نشان داده مي‌شود با حذف داده پرت روش خوشه‌بندي بر اساس مدل گارچ بر اساس رويكرد فاصله‌اي نمايي عملكرد بهتري دارد.