发明内容
针对上述问题,本发明旨在提供一种基于云计算和区块链的金融信息管理***。
本发明创造的目的通过以下技术方案实现:
一种基于云计算和区块链的金融信息管理***,包括金融政策获取模块、金融数据获取模块、区块链存储模块和金融信息管理模块,所述金融政策获取模块用于收集最新的金融政策信息,所述金融数据获取模块用于收集金融数据,所述金融政策获取模块和金融数据获取模块将收集的金融政策信息和金融数据传输至区块链存储模块进行存储,所述金融信息管理模块包括金融政策显示单元和金融数据显示单元,所述金融政策显示单元用于从区块链存储模块中调取所述金融政策信息进行显示,所述金融数据显示单元用于从区块链存储模块中调取所述金融数据进行处理和显示。
本发明创造的有益效果:
(1)将信息化技术应用到金融信息管理中,通过对金融政策和金融数据的获取和显示,有利于用户实时了解当前的金融情况;将大数据技术应用到金融数据的处理中,采用模糊C均值聚类算法对金融数据进行分类,并将收集的金融数据按照分类结果进行分类显示,有利于客户更加直观的了解收集的金融数据。
(2)本发明采用模糊C均值聚类算法将调取的金融数据进行分类处理,所述模糊C均值聚类算法采用聚类有效性指标U(Y)确定将集合Y中的金融数据划分的类别数K,能够有效的避免传统的需要人为预先设定模糊C均值聚类算法的聚类数造成的聚类结果不稳定的现象,所述聚类有效性指标U(Y)通过综合考虑类内紧密性、类间的分离性和重叠性来衡量聚类结果的好坏,聚类有效性指标U(Y)的值越大,表明相应的模糊聚类划分结果越优,使得U(Y)的值达到极大值所对应的聚类数即为将集合Y中的金融数据划分的最佳聚类数K;本优选实施例定义的聚类有效性指标U(Y)在衡量类与类之间的重叠性时,首先确定两个类之间的参考数据,所述参考数据为两个类之间距离最近的金融数据,从而通过所述参考数据确定两个类之间最有可能存在的重叠区域,该区域即为所述的重叠检测区域,定义重叠度检测系数对所述重叠检测区域进行检测,所述重叠度检测系数通过衡量所述重叠检测区域中的金融数据对两个类的隶属度的差异确定这两个类之间的重叠关系,重叠检测区域中的金融数据对两个类的隶属度之间的差异较小时,表明该金融数据处于这两个类之间的重叠区域,即表明这两个类之间的重叠越大,当重叠检测区域中的金融数据对两个类的隶属度之间的差异较大时,表明该金融数据越偏向于其中的一个类,即表明这两个类之间的重叠度越小;此外,所述隶属度检测系数中引入了重叠检测区域中存在的隶属于这两个类中任一类的金融数据量作为指数函数的变量,当这两个类的分类结果重叠较少甚至不重叠时,通过参考数据确定的重叠检测区域中存在的隶属于这两个类中任一类的金融数据量较少,随着这两个类的分类结果中重叠的越多,通过参考数据确定的重叠检测区域中存在的隶属于这两个类中任一类的金融数据量越多,即通过这个类的参考数据确定的重叠检测区域能够有效的反应这两个类之间的重叠情况,定义的重叠度检测系数在重叠检测区域中对这两个类之间的重叠性进行检测,使得检测所得的类间的重叠性能够更加符合这两个类间的实际重叠情况,从而提高了类间重叠性检测的准确性。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种基于云计算和区块链的金融信息管理***,包括金融政策获取模块、金融数据获取模块、区块链存储模块和金融信息管理模块,所述金融政策获取模块用于收集最新的金融政策信息,所述金融数据获取模块用于收集金融数据,所述金融政策获取模块和金融数据获取模块将收集的金融政策信息和金融数据传输至区块链存储模块进行存储,所述金融信息管理模块包括金融政策显示单元和金融数据显示单元,所述金融政策显示单元用于从区块链存储模块中调取所述金融政策信息进行显示,所述金融数据显示单元用于从区块链存储模块中调取所述金融数据进行处理和显示。
本优选实施例将信息化技术应用到金融信息管理中,通过对金融政策和金融数据的获取和显示,有利于用户实时了解当前的金融情况;将大数据技术应用到金融数据的处理中,采用模糊C均值聚类算法对金融数据进行分类,并将收集的金融数据按照分类结果进行分类显示,有利于客户更加直观的了解收集的金融数据。
优选地,所述金融数据显示单元用于从区块链存储模块中调取所述金融数据进行分类处理,并将所述金融数据按照分类结果进行分类显示。
优选地,所述金融数据显示单元采用模糊C均值聚类算法将调取的金融数据进行分类处理,将调取的金融数据表示为集合Y,且Y={yj,j=1,2,...,M},其中,yj表示集合Y中的第j个金融数据,M表示集合Y中的金融数据量;设Ki表示金融数据显示单元采用模糊C均值聚类算法划分的第i个类,uij表示金融数据yj属于类Ki的隶属度,规定当uij=max1≤l≤Kulj时,则金融数据yj属于类Ki,即yj∈Ki,其中,Kl表示金融数据显示单元采用模糊C均值聚类算法划分的第l个类,ulj表示金融数据yj属于类Kl的隶属度,K表示金融数据显示单元采用模糊C均值聚类算法将集合Y中的金融数据划分的类别数。
优选地,所述金融数据显示单元采用的模糊C均值聚类算法采用聚类有效性指标U(Y)确定将集合Y中的金融数据划分的类别数K,U(Y)的表达式为:
式中,V
i表示类K
i对应的聚类中心,V
l表示类K
l对应的聚类中心,||·||表示求欧式距离,C
ij表示隶属度u
ij对应的判断系数,给定隶属度阈值u
0,u
0的值可以设置为0.2,当u
ij>u
0时,则C
ij=u
ij,当u
ij≤0,则C
ij=0,D(i)表示类K
i对应的重叠度检测系数,设y
m(i,l)表示类K
i相较于类K
l的参考数据,y
m(i,l)∈K
i,且y
m(i,l)表示集合Y中的第m个金融数据,y
n(l,i)表示类K
l相较于类K
i的参考数据,y
n(l,i)∈K
l,且y
n(l,i)表示集合Y中的第n个金融数据,且
其中,y
E表示集合Y中的第E个金融数据,且y
E∈K
i,y
Q表示集合Y中的第Q个金融数据,且y
Q∈K
l,设Ω(i,l)表示类K
i和类K
l之间的重叠检测区域,设y(m,n)表示金融数据y
m(i,l)和金融数据y
n(l,i)中间位置的点,则Ω(i,l)为以y(m,n)为中心、以R为半径的球体,其中,
m(K
i)为类K
i中的金融数据量,则类K
i对应的重叠度检测系数D(i)的表达式为:
式中,y
c表示集合Y中的第c个金融数据,且y
c∈Ω(i,l),u
ic表示金融数据y
c属于类K
i的隶属度,u
lc表示金融数据y
c属于类K
l的隶属度,给定重叠度阈值u
00,θ(u
ic)表示隶属度u
ic对应的判断系数,当u
ic>u
00时,则θ(u
ic)=1,当u
ic≤u
00时,则θ(u
ic)=0,θ(u
lc)表示隶属度u
lc对应的判断系数,当u
lc>u
00时,则θ(u
lc)=1,当u
lc≤u
00时,则θ(u
lc)=0,h(y
c,K
i)表示金融数据y
c和类K
i之间的统计系数,当y
c∈K
i时,则h(y
c,K
i)=1,当
时,则h(y
c,K
i)=0,h(y
c,K
l)表示金融数据y
c和类K
l之间的统计系数,当y
c∈K
l时,则h(y
c,K
l)=1,当
时,则h(y
c,K
l)=0,h(y
c,K
i)Uh(y
c,K
l)为求并集函数,且
聚类有效性指标U(Y)的值越大,表明相应的模糊聚类划分结果越优,使得U(Y)的值达到极大值所对应的聚类数即为将集合Y中的金融数据划分的聚类数K。
本优选实施例采用模糊C均值聚类算法将调取的金融数据进行分类处理,所述模糊C均值聚类算法采用聚类有效性指标U(Y)确定将集合Y中的金融数据划分的类别数K,能够有效的避免传统的需要人为预先设定模糊C均值聚类算法的聚类数造成的聚类结果不稳定的现象,所述聚类有效性指标U(Y)通过综合考虑类内紧密性、类间的分离性和重叠性来衡量聚类结果的好坏,聚类有效性指标U(Y)的值越大,表明相应的模糊聚类划分结果越优,使得U(Y)的值达到极大值所对应的聚类数即为将集合Y中的金融数据划分的最佳聚类数K;本优选实施例定义的聚类有效性指标U(Y)在衡量类与类之间的重叠性时,首先确定两个类之间的参考数据,所述参考数据为两个类之间距离最近的金融数据,从而通过所述参考数据确定两个类之间最有可能存在的重叠区域,该区域即为所述的重叠检测区域,定义重叠度检测系数对所述重叠检测区域进行检测,所述重叠度检测系数通过衡量所述重叠检测区域中的金融数据对两个类的隶属度的差异确定这两个类之间的重叠关系,重叠检测区域中的金融数据对两个类的隶属度之间的差异较小时,表明该金融数据处于这两个类之间的重叠区域,即表明这两个类之间的重叠越大,当重叠检测区域中的金融数据对两个类的隶属度之间的差异较大时,表明该金融数据越偏向于其中的一个类,即表明这两个类之间的重叠度越小;此外,所述隶属度检测系数中引入了重叠检测区域中存在的隶属于这两个类中任一类的金融数据量作为指数函数的变量,当这两个类的分类结果重叠较少甚至不重叠时,通过参考数据确定的重叠检测区域中存在的隶属于这两个类中任一类的金融数据量较少,随着这两个类的分类结果中重叠的越多,通过参考数据确定的重叠检测区域中存在的隶属于这两个类中任一类的金融数据量越多,即通过这个类的参考数据确定的重叠检测区域能够有效的反应这两个类之间的重叠情况,定义的重叠度检测系数在重叠检测区域中对这两个类之间的重叠性进行检测,使得检测所得的类间的重叠性能够更加符合这两个类间的实际重叠情况,从而提高了类间重叠性检测的准确性。
优选地,在集合Y中选取K个初始聚类中心,设yk表示集合Y中的第k个金融数据,且yj≠yk,设δ(yk,yj)表示金融数据yj对于金融数据yk的属性值,n(yj,yk)表示金融数据yk为金融数据yj的第n个最近值,给定正整数N,N的值可以取10,当n(yj,yk)≤N时,则δ(yk,yj)=1,当n(yj,yk)>N时,则δ(yk,yj)=0;
定义金融数据yk对应的局部信息值为D(yk),则D(yk)的表达式为:
当金融数据yk的局部信息值
时,则金融数据yk成为聚类中心的候选数据;
设H表示在集合Y中选取的聚类中心的候选数据集,且H={CH
b,b=1,2,...,m(H)},其中,CH
b表示集合H中的第b个聚类中心的候选数据,m(H)表示集合H中的候选数据量,设N
1(CH
b)表示候选数据CH
b对应的第一优先级检测集合,y
s表示集合Y中的第s个金融数据,当金融数据y
s满足δ(CH
b,y
s)*δ(y
s,CH
b)=1时,将金融数据y
s加入到集合N
1(CH
b)中;设N
2(CH
b)表示候选数据CH
b对应的第二优先级检测集合,当金融数据y
s满足δ(CH
b,y
s)Uδ(y
s,CH
b)=1时,将金融数据y
s加入到集合N
2(CH
b)中,δ(CH
b,y
s)∪δ(y
s,CH
b)表示求并集函数,且
其中,δ(CH
b,y
s)表示金融数据y
s对于候选数据CH
b的属性值,设n(y
s,CH
b)表示候选数据CH
b为金融数据y
s的第n个最近值,当n(y
s,CH
b)≤N时,则δ(CH
b,y
s)=1,当n(y
s,CH
b)>N时,则δ(CH
b,y
s)=0,δ(y
s,CH
b)表示候选数据CH
b对于金融数据y
s的属性值,设n(CH
b,y
s)表示金融数据y
s为候选数据CH
b的第n个最近值,当n(CH
b,y
s)≤N时,则δ(y
s,CH
b)=1,当n(CH
b,y
s)>N时,则δ(y
s,CH
b)=0;
定义候选数据CHb成为聚类中心的优先级为J(CHb),则J(CHb)的表达式为:
式中,D(CH
b)表示候选数据CH
b的局部信息值,y
z表示集合Y中的第z个金融数据,且y
z为集合N
1(CH
b)中的金融数据,ω(y
z)表示金融数据y
z对应的判断函数,当金融数据y
z为聚类中心的候选数据时,则ω(y
z)=1,当金融数据y
z不为聚类中心的候选数据时,则ω(y
z)=0,
表示候选数据CH
b的区域检测系数,且
m
1(CH
b)为集合N
1(CH
b)中的金融数据量,y
e为集合Y中的第e个金融数据,且y
e为集合N
2(CH
b)中的金融数据,ω(y
e)表示金融数据y
e对应的判断函数,当金融数据y
e为聚类中心的候选数据时,则ω(y
e)=1,当金融数据y
e不为聚类中心的候选数据时,则ω(y
e)=0,N
1(y
e)为金融数据y
e对应的第一优先级检测集合,y
p为集合Y中的第p个金融数据,且y
p为集合N
1(y
e)中的金融数据,
表示金融数据y
e的区域检测系数,且
其中,m
1(y
e)为集合N
1(y
e)中金融数据量,y
w为集合Y中的第w个金融数据,
和
分别表示金融数据y
j和y
w的区域检测系数;
在集合H中选取具有最高优先级的聚类中心的候选数据为第一个初始聚类中心K1,设N1(K1)表示初始聚类中心K1对应的候选数据的第一优先级检测集合,m1(K1,CH)表示集合N1(K1)中存在的聚类中心的候选数据量,当初始聚类中心K1对应的候选数据被选取为初始聚类中心K1时,则集合N1(K1)中的m1(K1,CH)个候选数据和聚类中心K1对应的候选数据将不再参与接下来的初始聚类中心的选取,并将集合Y中未被选取为聚类中心的候选数据的金融数据按其局部信息值由高到低进行排序,选取前(m1(K1,CH)+1)个金融数据作为聚类中心的候选数据加入到集合H中;
继续采用上述方法在集合H中选取模糊C均值聚类算法的初始聚类中心,直到选取的初始聚类中心数为K时,则停止选取。
本优选实施例用于在集合Y中选取K个初始聚类中心,避免了传统的随机选取模糊C均值聚类算法的初始聚类中心造成的聚类结果不稳定的现象,定义集合Y中的金融数据的局部信息值,所述局部信息值能够有效的反应所述金融数据周围的数据分布情况,相较于传统的通过距离衡量所述金融数据周围的数据分布情况的方式,本优选实施例定义的局部信息值在衡量所述金融数据和集合Y中其他金融数据之间的分布关系时,规定当所述金融数据是集合Y中最接近所述其他金融数据的N个金融数据中的一个时,即确定该其他金融数据为所述金融数据周围的金融数据,当所述金融数据处于聚类中心时,其周围必然分布较多的金融数据,即所述金融数据较大概率是较多其他金融数据最接近的N个金融数据之一,因此,定义的局部信息值能够有效的反应所述金融数据周围的金融数据分布情况,避免了因采用距离衡量所述金融数据周围的数据分布情况因类间不同尺寸和不同密度造成的不准确的缺陷;所述金融数据的局部信息值越大,表明所述金融数据周围分布越多的金融数据,选取具有较大局部信息值的金融数据为聚类中心的候选数据,在候选数据集合中选取初始聚类中心时,在集合Y中选取金融数据构成所述候选数据的第一优先级检测集合和第二优先级检测集合,当集合Y中的金融数据和候选数据互为最接近对方的N个金融数据之一时,即将该金融数据加入到第一优先级检测集合中,保证了第一优先级检测集合中的金融数据和所述候选数据为一个类中的金融数据,当候选数据为最接近金融数据的N个金融数据之一或者金融数据为最接近所述候选数据的N个金融数据之一时,将所述金融数据加入到第二优先级检测集合,即扩大了第二优先级检测集合中金融数据的分布范围的同时,又保证了第二优先级检测集合中金融数据和所述候选数据具有一定的相似性,定义候选数据成为聚类中心的优先级,所述优先级在所述候选数据的第一优先级检测集合和第二优先级检测集合中进行计算,通过衡量所述第一优先级检测集合中存在的候选数据量对所述金融数据成为初始聚类中心的优先级进行调节,当所述候选数据为聚类中心时,则其第一优先级检测集合中必然存在较多的候选数据;定义区域检测系数,所述区域检测系数用于对候选数据所在类的数据分布特性进行检测,处于一个类的金融数据的区域检测系数较为相似,当所述候选数据为聚类中心时,该候选数据的第二优先级检测集合中的必然存在较多和其处于同一类的金融数据,即所述候选数据的区域检测系数和其第二优先级检测集合中的金融数据的区域检测系数相似,当所述候选数据不为聚类中心时,该候选数据的第二优先级检测集合中存在较多和其处于不同类的金融数据,该候选数据的区域检测系数和其第二优先级检测集合中的金融数据的区域检测系数之间存在区别,该候选数据距离其所在类的真正的聚类中心越远,其区域检测系数和其第二优先级检测集合中的金融数据的区域检测系数的差值越大,即根据候选数据的优先级选取初始聚类中心,能够有效的提高初始聚类中心选取的准确性。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。