基于主成分聚类方法评价P2P平台
基于行为特征的多重P2P流量分类的开题报告
基于行为特征的多重P2P流量分类的开题报告一、背景随着P2P网络的高速发展，P2P流量已成为Internet上的主要流量之一。
P2P网络具有节点数量多、带宽利用率高等特点，但同时也存在着影响网络性能、影响传统服务质量(如音视频服务质量)等问题。
因此，对P2P流量进行分类和管理对于网络性能的优化和网络服务的提高具有重要意义。
当前网络流量分类的研究主要分为四种方法：基于端口号、基于内容的方法、基于统计分析的方法和基于机器学习的方法。
其中，基于机器学习的方法是近年来得到广泛应用的方法之一，因为这种方法可以克服其他方法的局限性。
在进行机器学习分类方法时，重要的是选择合适的特征提取模型以及分类器模型。
本文提出一种基于行为特征的多重P2P 流量分类方法。
二、研究内容本文的研究重点是对P2P流量进行分类，采用基于行为特征的多重分类方法。
采用行为特征是因为这些特征不受协议、端口、网络状态等限制，更能反映出流量的实际用途。
同时，我们将采用多重分类的方式，以提高分类的精度和准确性。
主要研究内容包括以下几个方面：1.特征提取模型：我们将选取代表性的特征进行提取。
这些特征包括上传速度、下载速度、上传流量、下载流量、上传时长、下载时长等，这些特征可以很好地反映出P2P流量的属性。
2.分类器模型：我们将选用多种经典的分类器，如支持向量机、决策树、朴素贝叶斯等，评估它们的分类效果。
同时对分类器进行优化和改进，以达到更好的分类效果。
3.测试数据集：测试数据集将来自于真实的网络流量数据，并人工标注各个流量数据的类型，进而对比不同算法的分类效果。
三、研究意义本研究以基于行为特征的多重P2P流量分类为主题，尝试基于这些特征建立一个多重分类模型。
本研究所得到的模型，可以应用于网络中的实际应用场景。
在P2P网络中采用流量智能分类技术，可以使网络的质量和性能得到有效提升，为用户提供更好的网络服务。
四、研究方法本研究采用如下研究方法：1. 综合相关文献，了解目前流量分类的研究现状和发展方向。
基于语义聚类的P2P网络资源查找策略
成功率依赖于网络的拓扑结构和随机的邻居选择。 基于 宽度优先搜索的方法试 图有选择地发送到一些邻居 ， 而 避免将查询发送到所有的邻居。在本地索引的方法中， 每个节点维护了离 自己的距离不超过 步节点的数据
索引，可以将对查询的处理放到很少的节点上进行。 近年来的一些研究力图依据查询 内容本身及节点
图 １ Ｓ － ｅ ｒｈ双 层 覆 盖 网络 Ｃ Ｓ ａｃ
Ｆ ｇ １ Ｄｏ ｂ ｅ ｌｙ ｒ ｖ ｒａ ｆＳ Ｓ ａ ｃ ｉ． ｕ ｌ—ａ ｅ ｅ ｌｙ ｏ Ｃ— ｅ ｒ ｈ ｏ
资波表 示模 型 瓷源 聚樊模型 ｜ 节点闻语义聚类 优化横型
收稿 日期 ：２ １－ —６ ０ １ ３２ ０ 基金项 目：国家 自然科学基金 资助项 ［ ６ ９ ３ ２ ） ］ ０ ７ ０ １；中央高校基本科研业 务费专项 资金资助项 目（ ０ ７ ４ ０ ） （ Ｎ１０ ０ ０ １；国家高技术 研究 发展计划（６ 计划） ８３ 资助项 目（ ０ Ａ ０ Ｚ ４ ） ２ ８ Ａ １ １６ ０ ． 作者 简介 ：王振华（９ ９ ） １ ７ 一 ，男 ，博士 ，讲师 ，主要研究方 向 ：分布式数据管理 ， ａ ｇｈ ｎ ｕ ＠ｉ ． ｕ ｄ ． ｗ ｎ ｚ ｅｈ ａ ｓ ｎ ． ｕ ａ ｅｃ ｅ ｃ
２ 系统概述
笔者提出了一种基于语义聚类的 Ｐ Ｐ资源查找策 ２
略 Ｓ —ｅｒ 。 图 １ Ｃ Ｓａｃ 如 ｈ 所示 ， ＣＳａ ｈ构建了 ２ Ｓ —ｅ ｃ ｒ 层的覆 盖网络 ， 下层为节点层 ， 上层为语义节点层。节点层主 要负责构建和管理覆盖网络， 按照功能可以分为语义聚
林的算法对资源进行聚类。 针对无结构 Ｐ Ｐ系统中查询 ２
对基于聚类域的P2P信息检索系统的研究与改进
对基于聚类域的P2P信息检索系统的研究与改进刘嘉宝1 (四川大学计算机学院黄晶晓2四川成都610064)信息科掌[捕要】在介绍对等网络及信息检索相关内容后，进而分析介绍基于聚类域的P2P信息检索系统。
在此结构之上做一定改进，将系统的资源定位和路由镱略及排序方式加以实现．基于聚类域的三层体系结构即从上而下依次为应用层、结构化层和非结构化层，该结构通过运用资源描述框架的元数据描述，将资源节点进行聚类，进而组成聚类域。
该系统充分利用对等网络“自由、平等、开放、自治”的优势，通过结构上的聚类概念降低信息检索带来的资源消耗．[关键词]对等网络信息检索聚类域分布式计算中图分类号：TP3文献标识码：^文章编号：1671—7597(2008)1210099—02一、引■对等网络是一种分布式网络，网络的参与者共享他们所拥有的一部分硬件资源，这些共享资源需要由网络提供服务和内容，能被其它对等节点( Pe er)直接访问而无需经过中间实体。
它在网络协议的应用层，打破过去的。
客户／服务器”模式，让所有网络成员享有“自由、平等、互联”的功能．不再有客户、服务器之分，任何两个网络结点之间都能共享文件、传递消息。
近年来。
以P2P覆盖网络共享资源的服务越来越流行，也促进了人们对对等网络的研究兴趣．分布式检索技术减轻了执行信息检索操作的服务节点的负荷，使其节省更多的资源提供更加紧要的服务，以此减少检索信息结果返回的时间。
二、■于聚类域的信息检童曩麓(一)聚类域的引入在P2P网络中．节点众多，但具有某一种相同或相似信息资源的节点数量却是有限的。
如果在信息检索时，首先按照信息资源的类别．即属性特征，进行归类，组成特定的虚拟区域，即为信息的检索限定查询范围，可以有效地提高信息检索的效率。
聚类域(C l ust e r i ng D om a i n，简称C D)就是以上介绍的虚拟区域的概念描述，通过采用适当有效的数据资源描述形式加以分类。
基于聚类和流量传播图的p2p流量识别方法
基于改进的主成分聚类法对电子商务发展水平的综合评价
基于改进的主成分聚类法对电子商务发展水平的综合评价电子商务发展带来的经济效益越来越受到重视，以全国31省市为基础，通过改进主成分聚类法探究各省市电子商务发展水平。
首先对评价的指标进行选取，建立合适的评价指标体系，其次对原始数据进行均值化处理，用改进后的主成分分析提取主成分，再次用主成分综合得分与聚类分析相结合对各地区发展水平进行分析，最后与传统主成分分析进行比较得出模型的有效性。
标签：改进的主成分；电子商务；综合评价1 引言根据国家统计局数据显示，2017年全国电子商务交易额达到29.16万亿元，同比增长11.7%，电子商务发展带来的经济效益不言而喻。
目前电子商务水平测度及评价体系主要运通因子分析法、聚类分析法、熵值法等对电子商务发展水平进行综合评价，本文将使用改进的主成分聚类法对电子商务发展水平进行综合评价，解决单一的评价带来不准确。
2 传统主成分分析原理3.3 改进后主成分分析过程及结果把经过均值化后的数据导入SPSS进行主成分分析。
从相关系数矩阵可以看到原始数据大部分变量之间的相关系数都大于0.3且KMO为0.813>0.8，Bartlett 球形检验的显著性P值为0.000<0.05，明数据适合做因子分析。
表2为方差贡献表，由表2可以看出，提取了特征值大于1的三个主成分，三个主成分的特征值分别为13.564、3.696、1.328，方差贡献率分别是64.590%、17.601%、6.325%，累积方差贡献率达到88.516%。
表3为因子载荷矩阵。
由表可看出企业数x1、企业拥有网站数x3、地区生產总值x9、网上零售额x13、社会消费品零售总额x14第一主成分上有较高载荷，相关性强。
第一主成分集中反映了基础设施及经济状况，电子商务发展水平主要体现在基础设施与经济状况；互联网普及率x5、人均GDPx10、居民消费水平城镇人口比重x11在第二主成分上有较高载荷，第二主成分反映了人口因素；有电子商务交易的企业比重x2在第三主成分上载荷较高，反映了从事电子商务交易企业比例对电子商务发展水平做的贡献。
基于度量空间的P2P网络相似搜索技术研究及应用的开题报告
基于度量空间的P2P网络相似搜索技术研究及应用的开题报告一、研究背景及意义随着互联网技术的不断发展，P2P(Peer-to-Peer)网络作为一个新型的分布式网络架构已经成为了当前互联网上最为热门的研究领域之一。
P2P网络具有去中心化、自治性、高效性等突出优点，可以很好地解决传统客户/服务器(C/S)架构网络所面临的如集中式控制、单点故障、带宽瓶颈等问题。
P2P网络广泛应用于文件共享、视频点播、在线游戏、即时通讯等领域，具有广泛的应用前景。
P2P网络中的相似搜索技术是其中一个关键的研究领域。
相似搜索是指在线查询含有某些特定特征的节点、资源、数据等，如基于内容的相似搜索可以在海量的文本、图片、音乐、视频等互联网资源中查找到与目标相似的资源，并向用户提供相应的推荐服务。
相似搜索技术在信息检索、数据挖掘、多媒体处理等领域具有重要的研究价值和广泛的应用前景。
近年来，基于度量空间的相似搜索技术在P2P网络中的应用越来越受到研究者们的关注。
二、研究内容和方案基于以上背景和意义，本文将围绕“基于度量空间的P2P网络相似搜索技术研究及应用”这一主题，开展以下研究内容：（1）研究P2P网络中的相似搜索算法及其应用场景：对P2P网络中的相似搜索算法进行全面梳理和评估，分析其优劣和适用场景，明确其在P2P网络中的应用前景。
（2）探究度量空间下的相似搜索技术的原理和特点：首先介绍度量空间的定义，然后详细介绍度量空间下相似度计算的基本原理和特点，并探讨在P2P网络中使用度量空间进行相似搜索的可行性和优越性。
（3）提出一种基于度量空间的P2P相似搜索算法：针对当前P2P网络中相似搜索算法存在的问题，如精度不高、搜索效率低、可扩展性差等，提出一种基于度量空间的相似搜索算法，并进行性能分析和评价。
（4）开发相应的P2P相似搜索应用程序：在理论算法研究的基础上，结合实际应用场景开发一个完整的P2P相似搜索应用程序，并对其进行性能测试和用户评价。
基于应用层特征串的P2P流量识别及控制
基于应用层特征串的P2P流量识别及控制於建华【摘要】The model of P2P traffic identification and control（PTICM） is proposed and four layers of PTICM and the loss rate（p） of packet are analyzed in detail.The model can smoothly adapt to the changes of resources through adjusting p, which can effectively prevent the system＇s oscillation,guarantee the quality of server（QOS）,and improve the network resource utilization.The results of simulation show the method＇s validity and practicability.%提出点对点网络流量识别及控制模型PTICM,并对4层模型进行详细分析。
对P2P流量控制中的丢包概率p进行介绍;该模型调整p可以平滑地适应系统资源变化情况,能有效地防止系统的振荡,保证系统的QOS,提高网络资源的利用率。
对提出的算法进行了仿真验证,结果表明了方法的有效性和实用性。
【期刊名称】《金陵科技学院学报》【年(卷),期】2011(027)003【总页数】4页(P45-48)【关键词】点对点网络;丢包概率;数据净荷【作者】於建华【作者单位】南京铁道职业技术学院苏州校区,江苏苏州215137【正文语种】中文【中图分类】TN912近几年来,P2P业务应用迅速发展,调查表明,P2P业务已占据了互联网业务总量的60%～ 80%,成为了占用网络资源最多的互联网应用。
P2P业务的不断增加,在广大用户受益的同时,却吞噬大量的网络资源,甚至引起网络拥塞,降低了其他业务的性能[1]。
P2P网络节点自组织聚类算法
熊馨，陈锬：P2P 网络节点自组织聚类算法2010,31(15)33790引言从层次结构上看，P2P 网络覆盖网是建立在底层物理网络之上的虚拟网络结构，节点间通过建立逻辑连接进行数据转发。
覆盖网中的每条逻辑链路都是若干底层物理网络链路的集合，节点间的所有数据传输需要依靠现有的IP 路由基础设施来实现。
因此，覆盖网络拓扑结构是否与底层物理网络拓扑结构相匹配，是影响覆盖网络性能的一个主要因素。
在P2P 网络研究之初，大多采取随机的方式来构造覆盖网络结构，追求的目标是覆盖网层面上可靠的、高效的路由和内容分发方面的负载平衡。
在非结构化P2P 网络中，节点随机选择系统中已知的其它节点建立邻居关系，从而形成一个具有随机性的覆盖网络；在结构化P2P 网络中，节点根据标号(ID )顺序构建路由表以优化路由跳数，但标号通常是散列函数生成的随机数，因此节点间的邻居关系也是随机的。
这种随机选择的方式能满足系统健壮性和负载均衡的需求，但忽略其覆盖网拓扑与底层网络拓扑之间的关系，路由效率没有得到真正优化。
数据在覆盖网络中传输，需要经过底层网络的多次转发，如果两个网络拓扑结构不匹配(Mismatching )，那么逻辑上相邻的节点可能实际物理网络距离相隔很远，虽然数据最终能够抵达目的节点，但这种低效的传输会增大端到端路由的延迟，与覆盖网路由算法追求的结果相去甚远。
同时，以这种非优化的方式转发数据也会导致在底层网络中产生大量不必要的流量，造成对带宽资源的浪费。
为了缓解上述不匹配问题，研究人员提出研究高效的网络感知技术，对覆盖网络结构进行优化，达到提升路由效率同时减少带宽消耗的目的。
近年来，研究人员提出了包括基于网络坐标[1-4]的网络距离预测系统、覆盖网节点聚类算法[5]和基于直接网络距离测量最邻近节点查找算法[6-7]的多种网络感知技术。
其中，对在覆盖网中周围邻近节点信息的获取和对网络距离较近的节点进行聚类是实现网络感知技术的一种有效方法。
基于R的P2P网贷平台风险识别实证研究
基于R的P2P网贷平台风险识别实证研究近年来,互联网金融的兴起加快了整个金融市场的资金流动,各种新经济业态快速衍生,国内P2P行业的发展尤其迅速,P2P平台的数量每日都在增长,但伴随的问题与风险也逐步在提高,各种问题如携款跑路、资金提现困难、停业等层出不穷。
投资者在进行投资时也面临了很大的风险,如何在投资时从各类P2P平台中识别出风险较高的平台,是政府以及投资者均面临的一大难题。
本文旨在对P2P平台的风险进行识别,以便各投资者在投资决策过程中更加谨慎。
本文主要通过模型比较找到一种分类性能最优的算法筛选出对P2P平台风险影响较大的最优指标组合,然后利用所选变量进行因子分析,计算出因子综合得分,利用综合得分对所选取的627家P2P平台进行评价排序,最终利用排名前后各50家P2P平台得分验证所建立的P2P平台风险评价体系的风险预测能力。
在分析过程中本文主要借助R软件进行相关过程的分析,首先利用SVM算法、Boosting算法、随机森林算法、Bagging算法、CART算法、K近邻算法、二次判别分析模型共7种统计模型进行分类性能比较,通过10折交叉验证法划分训练集和测试集,分别计算7种模型的分类正确率,最终选择分类性能最优的随机森林算法进行特征选择,确定变量重要性大小,从32个变量中筛选出P2P平台风险识别的最优指标体系,特征结果表明对P2P平台风险影响较大的指标依次为评论综合得分、平均利率均值、借款人数均值、自动投标、保障方式、近30日资金净流入波动、评论数等15个指标。
进一步利用因子分析,选出重要性最大的13个指标构建的P2P平台风险评价体系进行分析,提取出四个公因子,然后计算出P2P 平台风险综合得分。
最终利用综合得分对627家P2P平台进行排序,验证随机森林算法特征选择结果的合理性以及较好的P2P平台风险预测能力。
其中初步选取的用于研究的32个变量分别来自样本平台的基础信息、成交信息、以及利用网络爬虫技术(如Python、八爪鱼等)爬取出的网民评论信息三个方面。
基于BP神经网络聚类算法的P2P流量识别
基于BP神经网络聚类算法的P2P流量识别赵魏雨;唐文秀【期刊名称】《化工自动化及仪表》【年(卷),期】2013(40)4【摘要】Based on the supervised machine learning algorithm's BP neural network algorithm and the unsupervised machine learning algorithm' s k-means clustering algorithm,a semi-supervised BP neural network clustering algorithm was proposed to identify P2P traffic.The algorithm has advantages of supervised and unsupervised machine learning algorithms and can identify the traffic accurately,i.e.taking a small amount of offiine traffic samples for the marking and classification,and then taking the classification results as cluster centers to do a large number of online traffic clustering identification.This can improve the efficiency and ensure the accuracy of the results.The BP neural network was employed to have the collected small amount of traffic data in each stream classified according to standard deviation of the packet size,the transformation frequency,the average number of packets and the total byte number so that the characteristics mean of classification results can be obtained to guide the clustering of a large number of online data.The higher network testing accuracy proves the feasibility of this algorithm model.%在研究有监督机器学习算法中的BP神经网络算法和无监督的机器学习算法中的k-means聚类算法的基础上,提出一种半监督的BP神经网络聚类算法对P2P流量进行识别.该算法具有有监督和无监督的机器学习算法的优点,能快速地进行精确的流量识别,即取少量离线的流量样本进行标记与分类,然后利用分类结果为聚类中心对大量在线流量进行聚类识别.这样既提高了效率,又能保证结果的准确性.利用BP神经网络对所采集的少量流量数据中每个流按包大小标准差、变换频率、平均值、包数目和总字节数5个特征进行分类,得出分类结果的特征均值,对大量的在线数据进行指导聚类.多次实际网络测试结果的准确率很高,证明该算法模型是可行的.【总页数】5页(P515-518,551)【作者】赵魏雨;唐文秀【作者单位】东北林业大学机电工程学院,哈尔滨150040;东北林业大学机电工程学院,哈尔滨150040【正文语种】中文【中图分类】TH865【相关文献】1.利用半监督近邻传播聚类算法实现P2P流量识别 [J], 于明;朱超2.基于BP神经网络的P2P流量识别研究 [J], 沈富可;常潘;任肖丽3.基于BP神经网络的P2P流量识别研究 [J], 沈富可;常潘;任肖丽4.基于DPI和BP神经网络的P2P流量识别研究 [J], 万建伟;胡勇5.基于聚类和流量传播图的P2P流量识别方法 [J], 苏阳阳; 孙冬璞; 李丹丹; 孙广路因版权原因，仅展示原文概要，查看原文内容请购买。
自组织P2P网络的语义聚类查询算法
自组织P2P网络的语义聚类查询算法
朱桂明;金士尧;黄红兵
【期刊名称】《计算机工程与科学》
【年(卷),期】2010(031)001
【摘要】P2P网络中参与资源共享的节点日益增多,且呈海量趋势.如何在海量用户海量资源的情况下,查询整个P2P网络中的资源语义分布,计算网络中的所有语义聚类,是一个颇具挑战性的问题.针对这一问题,本文提出了一种面向自组织P2P网络的语义聚类查询算法SCQASPNSR.该算法可高效计算整个P2P网络中的语义聚类,为研究网络中资源语义分布、进行有效的知识发现,提供了有力支持.
【总页数】5页(P39-43)
【作者】朱桂明;金士尧;黄红兵
【作者单位】国防科学技术大学计算机学院,湖南,长沙,410073;国防科学技术大学计算机学院,湖南,长沙,410073;国防科学技术大学计算机学院,湖南,长沙,410073【正文语种】中文
【中图分类】TP301
【相关文献】
1.语义网络P2P参考模型的查询过程构建 [J], 蔡寅
2.自组织聚类的P2P语义路由算法 [J], 向永生;张颖;陈曦
3.P2P网络节点自组织聚类算法 [J], 熊馨;陈锬
4.SOSC:一种基于自组织语义聚类的P2P查询路由算法 [J], 朱桂明;金士尧;郭得科;
韦海亮
5.基于自组织聚类的结构化P2P语义路由改进算法 [J], 刘业;杨鹏
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于适应度和节点聚类的P2P拓扑建模方法
一种基于适应度和节点聚类的P2P拓扑建模方法
张珂;黄永峰;李星
【期刊名称】《电子学报》
【年(卷),期】2010(038)007
【摘要】通过对Gnutella网络拓扑实测数据的分析,得到了Gnutella网络的累积节点度分布、聚类系数、平均路径长度和rich-club系数等拓扑特征.在拓扑特征分析的基础上,通过引入适应度、邻居数限制和节点聚类等机制,提出了面向非结构化P2P网络拓扑的FCL(Fitness model with tunable Clustering and neighbours Limitation)模型,并给出了建模算法.通过实验分析,证明了该模型的有效性.
【总页数】7页(P1634-1640)
【作者】张珂;黄永峰;李星
【作者单位】清华大学电子工程系,北京,100084;清华大学电子工程系,北
京,100084;清华大学电子工程系,北京,100084
【正文语种】中文
【中图分类】TP393
【相关文献】
1.一种新型的基于节点类型识别机制的P2P网络拓扑构造协议 [J], 王浩云;张顺颐;龙华;李君
2.一种基于MST的自适应优化相异性度量的半监督聚类方法 [J], 陈新泉
3.一种基于密度聚类的一般观点——拓扑聚类 [J], 刘希玉;张建萍
4.一种基于节点可选度的P2P点播流媒体数据调度算法 [J], 潘亚峰;房鼎益;冯健
5.一种基于自适应模糊高斯核聚类的软测量建模方法 [J], 夏源;杨慧中
因版权原因，仅展示原文概要，查看原文内容请购买。
P2P网络中基于增量学习的节点聚类
P2P网络中基于增量学习的节点聚类
张化祥;刘培德;黄上腾
【期刊名称】《计算机科学》
【年(卷),期】2005(32)12
【摘要】本文研究了p2p网络中基于内容的节,点聚类.基于文件名关键词精确匹配的查询没有考虑文本语义及内容相似性.如果能够根据节点发布内容的相似性,建立节点聚类,信息查询在类内进行,必将提高查询效率.本文提出了一种基于增量学习的节点聚类方法,通过兴趣爬虫代理计算节点得分,据此判断一个节点是否可以加入节点簇.实验表明,节点簇的建立可以有效地提高p2p网络的查询效率.
【总页数】4页(P184-187)
【作者】张化祥;刘培德;黄上腾
【作者单位】山东师范大学计算机科学系,济南,250014;山东经济学院计算机系,济南,250014;上海交通大学计算机科学与工程系,上海,200030
【正文语种】中文
【中图分类】TP3
【相关文献】
1.移动P2P网络中基于超级节点信息熵的资源发现算法 [J], 彭海华;王伟平
2.基于3G网络的P2P系统中基于模糊认知图的小区优先节点选择算法 [J], 张棪;周旭;刘书浩;唐晖
3.基于网络坐标的无结构P2P节点聚类算法 [J], 周振朝;费耀平;李敏
4.P2P网络中基于节点负载度的均衡控制算法研究 [J], 陈立龙;刘玉华;许凯华;魏
玉英
5.复杂网络中基于节点相似性聚类的网络社团发现方法研究 [J], 郑凤妮
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关键词 ： 主成分 ； 聚 ： ｐ ｉｎ ｒ ｃ ｉ ｐ ａ ｌ ｃ ｏ ｍｐ ｏ ｎ ｅ ｎ ｔ ； ｃ ｌ ｕ ｓ ｔ ｅ ｒ ； Ｐ ２ Ｐ ｐ ｌ ａ ｆ ｔ ｏ ｍ ； ｒ ｅ ｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎ
ｅ ａ ｓ ｙ ｔ ｏ ｕ ｓ ｅ ｂ ｙ ｔ ｈ ｅ ｇ ｅ ｎ ｅ ｒ ａ ｌ ｉ ｎ ｖ ｅ ｓ ｔ ｏ ｒ ｓ ， ｉ ｔ ｃ ａ ｌ ｌ ｐ ｒ ｏ ｖ ｉ ｄ ｅ ｔ ｈ ｅ ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｆ ｏ ｒ ｔ ｈ ｅ ｄ ｅ ｃ ｉ ｓ ｉ ｏ ｎ － ｍａ ｋ ｉ ｎ ｇ ｏ ｆ ｔ ｈ ｅ ｉ ｎ ｖ ｅ ｓ ｔ ｏ ｒ ｓ ．
李 宇航 Ｌ Ｉ Ｙ ｕ — ｈ ａ ｎ ｇ ； 夏绍模 ＸＩ Ａ Ｓ ｈ ａ ｏ － ｍｏ
（ 解放军后勤工程学院 ， 重庆 ４ ０ １ ３ １ １ ）
（ Ｌ ｏ ｇ ｉ ｓ ｔ ｉ ｃ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｐ Ｌ Ａ， Ｃ ｈ ｏ ｎ ｇ ｑ ｉ ｎ ｇ ４ ０ １ ３ １ １ ， Ｃ ｈ ｉ ｎ ａ ）
・ １ ８ ０・
价值 工 程
基 于主成 分 聚 类方 法 评 价 Ｐ ２ Ｐ平 台
Ｔｈｅ Ｐｒ ｉ ｎｃ ｉ ｐａ ｌ Ｃｏ ｍ ｐｏ ｎｅ ｎｔ Ｃｌ ｕｓ ｔ ｅ ｒ ｉ ｎｇ Ｍｅ ｔ ｈｏ ｄ ｆ ｏ ｒ Ｅｖ ａｌ ｕ ａ ｔ ｉ ｏ ｎ ｏｆ Ｐ２ Ｐ Ｐｌ ａ ｔ ｆ ｏ ｒ ｍ
ｏ ｆ ｐ ｒ ｉ ｎ ｃ ｉ ｐ ｌ ｅ ｃ ｏ ｍｐ ｏ ｎ ｅ ｎ ｔ ａ ｎ ｌｙ ａ ｓ ｉ ｓ ａ ｎ ｄ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ￣ － ． ａ ｎ ｍｅ ａ ｓ ｕ ｒ ｅ ｔ ｈ ｅ ｃ ｏ ｍｐ ｒ ｅ ｈ ｅ ｎ ｓ ｉ ｖ ｅ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｏ ｆ Ｐ ２ Ｐ ｐ ｌ ａ ｆ ｔ ｏ ｒ ｍ ｉ ｎ ｓ ｏ ｍｅ ｅ ｘ ｔ ｅ ｎ ｔ ． Ｔ ｈ ｅ ｍｅ ｔ ｈ ｏ ｄ ｉ ｓ
ｏ ｆ ｉ ｎ ｖ ｅ ｓ ｔ ｍｅ ｎ ｔ ， ｒ ｅ ｇ ｉ ｓ ｔ ｅ ｒ ｅ ｄ ｃ ａ ｐ ｉ ｔ ａ ｌ ，ｒ ｅ ｇ ｉ ｏ ｎ ａ ｌ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｔ ｈ ａ ｔ ａ ｆ ｆ ｅ ｃ ｔ ｉ ｎ ｇ ｔ ｈ ｅ ｃ ａ ｐ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｏ ｆ Ｐ ２ Ｐ ｐ ｌ ａ ｆ ｔ ｏ ｒ ｍ．Ａｎ ｄ ｔ ｈ ｅ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｏ ｆ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｉ ｓ ｃ ａ ｒ ｒ ｉ ｅ ｄ ｏ ｕ ｔ ｔ ｏ ｏ ｂ ｔ ａ ｉ ｎ ｔ ｈ ｅ ｒ ｅ ｌ ｅ ｖ ａ ｎ ｔ ｃ ｏ ｎ ｃ ｌ ｕ ｓ ｉ ｏ ｎ ｓ ． Ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ ｓ ｔ ａ ｔ ｕ ｓ ｏ ｆ ａ ｌ １ ｋ ｉ ｎ ｄ ｓ ｏ ｆ Ｐ ２ Ｐ ｐ ｌ ａ ｆ ｏ Ｉ ＇ ｍ ｈ ａ ｓ ａ ｄ ｖ ａ ｎ ｔ ａ ｇ ｅ ｓ ａ ｎ ｄ ｄ ｉ ｓ ａ ｄ ｖ ａ ｎ ｔ ａ ｇ ｅ ｓ ， ｔ ｈ ｅ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ ｐ ｏ ｔ ｅ ｎ ｔ ｉ ａ ｌ ｏ ｆ ｔ ｈ ｅ ｍ ａ ｒ ｅ ｎ ｏ ｔ ｉ ｄ ｅ ｎ ｔ ｉ ｃ ａ １ ． Ｔ ｈ ｅ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ ｓ ｔ ａ ｔ ｕ ｓ ｏ ｆ Ｈｏ ｎ ｇ ｌ ｉ ｎ ｇ Ｃ ａ ｐ ｉ ｔ ａ ｌ ａ ｎ ｄ Ｌ ｕ ｆ ａ ｘ ｒ ｕ ｎ ａ ｈ ｅ ａ ｄ ｏ ｆ ｏ ｔ ｈ ｅ ｒ
摘要 ： 运用主成分 方法， 对影 响 Ｐ ２ Ｐ平 台能力的平均年化收益 、 投 资人数 、 注册资金 、 地区背景等 ９个指 标 因素进 行分析 ， 再对分
析 结果聚类得到相关结论 。结果表 明： 各类 Ｐ ２ Ｐ平 台发展 状况各有优劣 ， 发展 潜力不同 红岭创投 和陆金 所发展状况领先大部分 Ｐ ２ Ｐ
Ｐ ２ Ｐ ｐ ｌ ａ ｔ ｆ ｏ ｒ ｍｓ ． Ｔ ｈ ｅ ｙ ｈ ａ ｖ ｅ ｇ ｏ ｏ ｄ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍ ｅ ｎ ｔ ｐ ｏ ｔ ｅ ｎ ｔ ｉ ｌ ａ ａ ｎ ｄ ａ ｒ ｅ ｔ ｈ ｅ ｍ ａ ｉ ｎ ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｓ ｆ ｏ ｒ ｔ ｈ ｅ ｉ ｎ ｖ ｅ ｓ ｔ ｍ ｅ ｎ ｔ ｏ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ ． Ｃ ｏ ｎ ｃ ｌ ｕ ｓ ｉ ｏ ｎ ： Ｔ ｈ ｅ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ
平 台， 发展潜力 良 好， 为投资主要参考 目 标 。结论 ： 运 用主成分和聚类分析 能够在一定程 度上衡量 Ｐ ２ Ｐ平 台的综合 能力， 方法 易于一
般投 资者使用 ， 能够为投 资者决策提供参考 。
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｕ ｓ ｅ ｓ ｔ ｈ ｅ ｍｅ ｔ ｈ ｏ ｄ ｏ ｆ ｐ ｒ ｉ ｎ ｃ ｉ ｐ ｌ ｅ ｃ ｏ ｍｐ ｏ ｎ ｅ ｎ ｔ ｔ ｏ ａ ｎ ｌｙ ａ ｚ ｅ ｔ ｈ ｅ ９ ｉ ｎ ｄ ｅ ｘ ｆ ａ ｃ ｔ ｏ ｒ ｓ ｏ ｆ ｔ ｈ ｅ ａ ｖ ｅ ｒ ａ ｇ ｅ ａ ｎ ｎ ｕ ａ ｌ ｉ ｎ ｃ ｏ ｍｅ ， ｔ ｈ ｅ ｎ ｕ ｍｂ ｅ ｒ