Z-score模型最优截断值确定方法比较——基于违约风险预测能力角度

Z-score模型在对企业进行财务困境和违约风险判别方面具有重要的应用价值,最优截断值的确定方法对于提高模型的违约风险判别能力至关重要.文章以医药生物行业上市公司作为样本,运用Fisher逐步判别法从15类财务比率中筛选出判别能力较强的7个指标构建了Z-Score模型,并尝试用加权平均法和考虑先验概率和误判成本的ZETAc模型法分别确定最优截断值,结果发现运用ZETAc模型法能够提高模型整体预测的准确率,而且能够降低第Ⅰ类错误分类的成本,其预测违约风险的能力明显优于加权平均法.     

基于K近邻算法的钢筋混凝土柱地震破坏模式判别方法

钢筋混凝土（RC）柱在地震力的作用下会发生不同的破坏模式,不同的破坏模式会有不同的损伤特点。所以,有必要针对不同地震破坏模式提出有效的判别方法。首先基于SMOTE算法使数据样本达到均衡,其次根据ENN算法,筛选了判别弯曲破坏和非弯曲破坏、弯剪破坏和剪切破坏的最佳参数;再次通过TomekLinks算法合理剔除噪音样本重构均衡数据,最后基于kNN算法建立了两阶段kNN模型,达到了准确判别RC柱地震破坏模式的目的,并通过与传统kNN模型、传统经验方法进行对比分析,验证了模型的优异性。研究结果表明：该方法通过选取筛选最佳参数,在提高判别准确率的同时简化了传统机器学习判别模型;本模型提出的两阶段kNN模型对三种破坏模式的判别准确率均可达90%以上,比传统kNN模型高10%左右,比传统经验判别方法高20%左右。     

基于变化熵的超高维特征筛选研究

对超高维判别分类数据,在无模型假设下,通过构建基于变化熵J值的特征筛选指标,进行有效快捷的重要变量排序筛选降维,提出J-SIS特征筛选过程,证明了所提方法满足筛选相合性质,并通过蒙特卡洛数值模拟和文本分类判别实例研究了其有限样本性质。     

基于GA-SVM算法烟叶部位致香成分差异性分析

采用高效液相色谱-气相色谱-质谱联用法(HPLC-GC-MS)测定中部和下部烟叶的巨豆三烯酮、β-紫罗兰酮、氧化紫罗兰酮、茄酮等11种致香成分,应用遗传算法(GA)对筛选出的8种致香成分建立中部和下部烟叶支持向量机(SVM)分类判别模型.结果表明,中部和下部烟叶的SVM分类判别模型的建模、留一法及预报准确率分别为95.45%,89.39%和81.25%.利用Fisher判别矢量方法考察了中部和下部烟叶的空间分布规律,分析出中部和下部烟叶致香成分中,巨豆三烯酮、β-紫罗兰酮、氧化紫罗兰酮差异显著.     

基于改进Fisher判别的起步工况驾驶风格研究

以实验采集的起步工况驾驶数据为基础,利用PCA分析筛选出驾驶员在起步工况下的风格特征参数,采用GMM聚类算法对起步工况下的驾驶数据进行分析.以驾驶风格聚类分析结果为基础建立了基于Fisher判别的驾驶风格识别方法模型,运用经典和改进Fisher判别对驾驶风格数据的测试集进行识别.结果表明,改进Fisher判别的识别正确率可达85%以上,证明了改进Fisher判别在处理驾驶风格会影响车辆的多种性能表现时有效,具有较高的准确性.     

基于非参数K近邻-秩相关的信用评价指标构建模型

针对现有研究中指标的遴选标准与违约状态的鉴别能力无关且遴选出的指标信息冗余的不足,提出了一种将非参数K近邻判别与spearman秩相关分析相结合的信用评价指标体系构建模型,并且使用经营家庭农牧场的农户信贷数据进行了实证分析。创新与特色:一是通过非参数K近邻模型确定特定指标对于农户的判别精度,根据每一个指标判别精度的大小,筛选出对农户具有显著鉴别能力的指标;二是通过spearman秩相关分析计算经过第一轮指标筛选保留下来的指标的spearman秩相关系数,在秩相关系数大于等于0.7的一对指标中删除判别精度较小的那个指标,避免了评价指标体系的信息冗余。检验结果表明:一是ROC曲线的有效性检验揭示出最终构建的农户信用评价指标体系是有效的;二是利用非参数K-近邻模型筛选出的指标体系在样本判别精度方面要显著优于传统贝叶斯模型。     

基于自适应LASSO的逻辑回归砂土液化判别模型

逻辑回归模型在国际上常用于地震液化判别,但该方法难以处理过多影响因素引发的共线性问题,进而严重影响模型的预测精度.能同时进行变量筛选和参数估计的自适应LASSO在处理共线性问题上有着独特的优势.因此,本研究以国内外533组历史液化案例为样本,在综合考虑地震液化多影响因素的基础上,引入自适应LASSO估计法,对逻辑回归液化判别模型进行优化,建立了基于自适应LASSO的逻辑回归砂土液化判别模型,该模型还包括了新的液化影响因素——土壤分类指数I_c,最后对重要液化影响因素进行敏感性分析.结果表明：针对因素过多的液化判别问题时,自适应LASSO逻辑回归模型可有效地选择重要因素进行建模;相比其它逻辑模型模型和简化方法,自适应LASSO逻辑回归模型精度更高,泛化能力更强;引入了新变量土壤分类指数I_c后,模型性能进一步提升,验证了建立逻辑回归液化判别模型时考虑I_c的重要性;敏感性分析发现重要影响因素的排序为：修正尖端阻值、峰值加速度、土壤分类指数、水位、细粒含量、侧壁摩阻值.     

基于投影的组合判别方法

由于数据的复杂性,一般的投影判别方法在应用上有一定的局限性,本文引入权重因子对不同投影方法进行组合,从而提出一种组合判别方法,以提高判别回代正确率与预测效果.通过实际例子和模拟数据验证了组合判别模型的判别效果良好,回代正确率比单一判别方法高,预测效果也优于单一判别方法.     

基于多特征的洞库类目标识别方法

针对洞库类目标自动识别研究较少、识别率较低、识别方法成本较高等问题,设计了基于多种特征的洞库类目标识别算法.探讨了典型洞库类目标的模型并总结其主要特征;其次利用HOG特征对输入图像进行初步筛选,筛选出包含有洞库类目标的图像;然后基于洞库类目标的灰度特征提出了一种图像局部自适应阈值生成算法Wiblack提取图像中的疑似目标;最后搭建了洞库类目标的数学模型,并提出了基于形状相似度的目标判别算法,采用圆形相似度与椭圆形状相似度二次相似度判别方法,最终得出识别结果并描述目标轮廓,完成目标识别.实验结果表明该方法在洞库类目标的识别应用中有效可行,基于本文实验数据的识别准确度为92.6%.     

基于SVM和雷达回波反射率的雹云模型识别研究

为了提高基于支持向量机(Support Vector Machine,SVM)的大雨、冰雹模型的分类准确率,利用SVM分类方法与雷达回波反射率图像相结合的方法建立模型。提取雹云图像与大雨图像的的特征数据进行筛选,分别求出它们的和、中位数与方差,组成的三维识别向量作为SVM模型判别的变量数据训练模型。利用该模型对已有样本进行测试,可得雹云判别模型的识别率较高,且判别误差率较低。结果表明,通过气象雷达反射率图像的回波强度数据与SVM分类模型相结合构造的雹云判别模型,具有较好的效果。     

“三高”油气井早期溢流在线监测与预警系统

为解决钻井过程中传统溢流监测实时性和可靠性差的问题,设计开发出一套"三高"油气井早期溢流在线监测与预警系统。该系统针对常规单一参数、单一手段溢流监测实时性低、可靠性差的问题,综合应用微流量、随钻压力(pressure while drilling,PWD)以及综合录井3类参数,通过多参数、多手段相互印证的方式提高溢流监测的实时性与可靠性。提出基于专家系统和改进的贝叶斯判别相融合的溢流等钻井事故判别方法:当缺少训练数据时,应用专家系统判别溢流等钻井事故;当训练数据充足时,应用专家系统和改进的贝叶斯判别相结合识别溢流等钻井事故。改进的贝叶斯判别模型对于因属性变量间不独立而引起的误判具有一定的抑制作用,能够提高判别准确度,且训练简单,应用灵活。通过两种算法的有机结合,优势互补,可以提高井控安全的智能化水平与现场适用性。测试实验结果表明,该系统能够实时、有效地监测溢流等钻井事故。     

沉积环境判别与分类的Bayes判别分析法

基于Bayes判别分析法建立沉积环境判别与分类的Bayes判别分析模型.模型选用粒度的平均粒径、标准偏差、偏差以及峰值4个指标作为判别因子,并以训练样本建立Bayes判别函数,以该函数计算待判样品的Bayes判别函数值,以最大值对应的总体作为样品的归属,以刀切法对判别准则进行评价.研究表明,所建模型以刀切法计算的准确率...     

基于Bayes判别法的内燃机气门间隙故障诊断

以内燃机气门振动信号经过经验模态分解（EMD）方法得到的固有模态函数的关联维数作为判别因子,建立内燃机气门故障诊断Bayes判别分析模型.以内燃机气门故障诊断Bayes判别分析模型计算判别样品的Bayes判别函数值,以最大对应的总体作为样品所归属的总体.对判别准则进行了评价,检验该判别模型的优良性.研究表明：Bayes判别分析模型回判估计误判率很低,为内燃机气门间隙故障诊断识别提供了一种有效的定量化分析方法.     

砂土液化势评价的Bayes判别分析法及其应用

为了给砂土地震液化的数量化研究提供参考,基于多元统计分析理论,建立砂土地震液化判别与液化势分类的Bayes判别分析模型。模型选用震级、地面加速度最大值、标准贯入击数、比贯入阻力、相对密实度、平均粒径和地下水位等7个指标作为判别因子;将砂土液化势分为严重液化、中等液化、轻微液化和未液化4个级别,并作为Bayes判别分析的4个正态总体;以17个砂土实测数据作为训练样本,建立Bayes线性判别函数,以Bayes线性判别函数的最大值对应的总体作为样品所归属的总体;最后将建立的模型对训练样本进行回判,以回代估计误判率对模型进行检验。研究表明,对训练样本的回代误判率为0,对另外20个砂土样本的判别正确率为90%。     

矿井涌水水源的主成分分析和BP神经网络判别

为准确判别矿井涌水水源,针对矿井各主要含水层的水化学特征数据样本,利用主成分分析法消除变量中的重复信息,采用BP算法对网络进行训练,实现对随机挑选样本的判别,并与Bayes判别结果进行比较.结果表明：主成分分析与BP神经网络相结合的方法判别涌水水源的正确率为82.35％,优于Bayes判别法.该研究为有效开展矿井防治水工作提供了参考.     

Bayes逐步判别法在邢台煤矿突水水源判别中的应用

快速有效地判别突水水源是矿井安全生产的重要保障。文章以邢台煤矿为研究对象,选取各含水层多项水质指标,应用Bayes逐步判别法建立矿井突水水源快速判别模型。结果表明:Bayes逐步判别模型以其计算过程简单、模型结构稳定而优于其它模型,既提高判别准确率又提高判别速度,实现对突水水源快速有效判别,为防治水工作提供有力依据。     

猕猴颅骨变量和面角的性差研究

本文对27例(9♂,18♀)成年太行山猕猴颅骨有关变量进行单因素方差分析和多变量性别判别分析.结果表明,太行山猕猴的颅骨变量有明显的性别差异,15项变量中有9项性别间差异显著,其中3项变量有极显著性差异;颅骨的面角雄性较雌性小3.43°,颅骨单项变量性别判别率较低,范围在51.95%～74.10%之间,通过全模型和逐步选择法建立颅骨变量的判别函数,判别率分别为96.30%和74.10%.     

近红外光谱和支持向量机用于凌霄花产地鉴别

收集6个产地凌霄花样品的近红外光谱,构建支持向量机(SVM)模型进行产地鉴别.运用竞争自适应重加权采样(CARS)算法提取特征波长变量,在此基础上建立CARS-SVM产地判别模型.将该判别模型与线性判别分析、偏最小二乘判别分析和簇类独立软模式法3种模型进行比较.结果表明,SVM模型对不同产地凌霄花样品的鉴别结果良好,经CARS提取特征波长后,波长变量数从1 557减小至52,所构建的CARS-SVM模型对6个产地样品的判别准确率较高,明显优于上述3种模型.因此,近红外光谱技术可快速准确判别凌霄花的产地,为凌霄花的产地鉴别与质量评价提供一种新的方法.     

非线性测量误差模型的Bayes估计

讨论了非线性测量误差模型在未知参数具有正态先验分布时的参数Bayes估计,并对这种估计进行了影响分析,证明了删除模型(CDM)和均值漂移模型(MSOM)具有相同的参数Bayes估计,同时给出了参数Bsyes估计的影响函数.     

基于独立模型的非线性时间序列多步超前预测

提出一种非线性时间序列的多步超前独立预测方法. 对比逐步递归方法和独立预测方法, 分析了积累误差对多步超前预测性能的影响. 采用递归神经网络(RNN)实现了独立预测方法, 建立了城市轨道交通能耗预测模型. 通过MATLAB训练和测试该模型, 比较了两种方法下的多步超前预测输出. 结果表明,独立预测方法的误差优于逐步递归方法. 最后指出了独立预测方法的优缺点及适用范围.