基于不平衡数据的公司破产预测研究

整合创新数据预处理技术与集成算法利用不平衡数据探讨了公司破产预测问题。首先，运用冗余信息处理方法、不同抽样方法等对不平衡数据进行预处理。其次，以5.0分类器（Classifier 5.0,C5.0）决策树和单隐层前馈神经网络作为基分类器，分别与三类重抽样数据预处理技术结合，择出最优抽样法。再次，结合自助汇聚法提升分类效果，并运用十折交叉验证的受试者操作特征曲线的下方面积进行评价，对比了两基分类器的集成模型。最后，运用加利福尼亚大学尔湾分校数据库中一万多家波兰制造业公司的实际数据进行实验验证。实验结果表明：欠抽样或人工少数类过采样法与神经网络结合的集成模型分类效果最优，为企业实施破产预测提供积极支撑。     

一类Minimax分式规划问题的迭代算法

对一类Minimax分式规划问题(MFP)提出一个迭代算法.首先通过引进变量和指数变换,将问题(MFP)等价转化为问题(Q),然后利用代数-几何平均不等式以及合适的转化过程,将等价问题(Q)压缩为凸规划问题(Q).从而根据选择不同的点所对应的压缩问题(Q),将原问题的求解过程转化为求解一系列的凸规划问题.数值实验表明算法是可行有效的.     

基于语料库的西藏白皮书内的专名翻译研究

西藏白皮书的编写与发布在外宣工作中占据着重要位置,而其中西藏专名翻译规范性的重要性也较为突出。本文使用语料库的技术,对西藏白皮书内的专名翻译进行了分析。在专名的翻译过程中,存在着一名同译、一名多译、增译与省译并存、音译与意译并存等多种翻译现象与翻译方法。有鉴于此,文内提出应规范转写方案,审定西藏专名,统一翻译方法。     

动物试验方法的专利申请

 为判断动物试验方法是否具备实用性，分析了中国关于实用性的相关规定，通过4个典型案例对动物试验方法是否属于非治疗目的的外科手术方法、是否具备实用性进行了分析，总结判断标准并给出了撰写权利要求的建议。在撰写动物试验方法的专利申请时，应当注意该方法的目的及该方法是否包含外科手术步骤，并针对该方法的不同情况采用不同的撰写策略。     

定位应用型经济数学课程的教学改革探讨

在对经济数学教学现状分析的基础上,为提高学生应用数学知识解决实际问题的能力,将教学与经济管理领域实际问题相联系,视数学应用为教学改革的重点,在教学目标、教材选取、教学方法、教学手段、教学内容及考试制度方面进行了具体的阐述,并就数学软件的正确定位做出合理的阐述。     

西洋参药材质量评价研究进展

对影响西洋参药材质量的主要因素如产地、采收期和干燥方法等方面进行了综述。认为目前西洋参药材质量评价研究中存在的关键问题是评价指标过于片面单一，未来质量评价研究应考虑引入质量整体评价技术，注重中医药理论，开展有效成分、药理作用与中药功效的整合研究。药材质量研究应指导药用植物的产地筛选、生长调控，服务于药材市场的规范，以促进中药现代化进程的发展。     

两种改进的非线性方程组四阶迭代求解法

文章基于两点Gauss型求积公式,分别结合梯形积分公式和Adomian分解法构造了两种牛顿型迭代格式.借助泰勒展开式,文章证明了这两种迭代格式都具有四阶收敛,并通过数值实验例子验证这两种迭代格式的有效性.     

拓扑流体力学及其新近发展

拓扑流体力学是理性力学的一个重要研究方向,在理论上具有重要价值,在实践中日益显出独特的作用.本文试对该方向进行综述性介绍,目的是吸引更多的国内科研工作者进入这一重要领域.本文的重点放在流体螺度(Helicity)的拓扑内涵方面.除了列出螺度与数学纽结场论的关系(即与互缠绕、自缠绕数以及作者近年来发展出来的流体纽结多项式拓扑不变量之间的关系),还介绍了国际上在流体纽结复杂系综的能量-结构复杂性关系方面的研究.最后,通过超流涡旋纽结/链环重联的具体实例,展示了这一领域当中典型的数值计算方法.我们希望通过这种理论推导与数值计算同时呈现的方式,使读者对这一国际前沿交叉领域的核心问题、研究方法以及科研中可能面对的技术困难获得一个整体的了解和把握.     

基于ICP算法的非合作目标特征点云配准优化

针对视觉测量中非合作目标无法提供合作信息从而引起的位姿测量问题,采用ICP(Iterative Closest Point)算法配准不同时刻获取的点云降采样数据来完成目标的相对位姿测量。利用运动恢复结构算法获取了目标当前时刻的点云数据并比较了基于阈值匹配与光流匹配的特征点匹配算法,利用三角测量法对提取到的特征点进行重建,同时将点云数据进行降采样处理,根据降采样后的点云数据计算出不同时刻目标的相对位姿关系。实验表明当物体发生旋转运动时,对降采样数据利用ICP算法计算得到的目标绕坐标轴旋转角度最大误差不超过0.11º。     

Predictive ability and economic gains from volatility forecast combinations

The availability of numerous modeling approaches for volatility forecasting leads to model uncertainty for both researchers and practitioners. A large number of studies provide evidence in favor of combination methods for forecasting a variety of financial variables, but most of them are implemented on returns forecasting and evaluate their performance based solely on statistical evaluation criteria. In this paper, we combine various volatility forecasts based on different combination schemes and evaluate their performance in forecasting the volatility of the S&P 500 index. We use an exhaustive variety of combination methods to forecast volatility, ranging from simple techniques to time-varying techniques based on the past performance of the single models and regression techniques. We then evaluate the forecasting performance of single and combination volatility forecasts based on both statistical and economic loss functions. The empirical analysis in this paper yields an important conclusion. Although combination forecasts based on more complex methods perform better than the simple combinations and single models, there is no dominant combination technique that outperforms the rest in both statistical and economic terms.