基于自然语言处理与深度学习的信用贷款评估模型

针对目前信用贷款评估模型存在特征预处理复杂、受主观因素干扰、准确率较低的现象，提出一种新模型。该模型先组建连续性信贷特征文本数据，并使用Word2Vec算法进行词向量化后通过词嵌入层衔接CNN（卷积神经网络）进行评估，通过Keras框架并依据2008~2018年的银行个人信贷数据进行实证分析。结果表明：新模型的总体评估准确率高达91.7%，无需对缺失特征进行处理并可直接评估，且评估准确率更优异，达到85.8%。新模型将离散型的信贷特征转变为连续性文本，降低特征预处理复杂度，结合Word2Vec与自然语言处理实现直接评估缺失信贷特征的目的，并基于CNN优异的特征分析能力最终提高信贷评估模型鲁棒性，进一步改善了目前信用贷款评估模型中存在的部分问题，同时避免评估中主观因素的干扰。     

基于符号回归的产品评论数量与购买数量关系分析

为揭示产品评论数量与购买数量间的关系,采用数据驱动的符号回归方法,该方法不需预先假设模型结构,从数据中自动学习出描述产品评论数量与购买数量的关系模型和相关参数.数据采自天猫商城网站中隶属于30种商品的5 387个售出产品以及相关评论,利用符号回归方法进行自动学习,发现了在实证方法中假设的线性模型.这种模式在购买数量与评论数量之间的关系上具有更高的适应性.     

政府“复合购买”策略下的公共品需求满足模型

文章引入新市场财政学的“市场平台观”理论视角,考虑政府同时采取财政补贴和政府供给的复合购买策略满足居民公共品需求的情况.基于市场垂直竞争框架,建立政府、厂商、消费者三方博弈模型,分别分析了复合购买策略的有效性和适用范围,并将不同复合购买策略的政府成本进行了比较.研究表明,复合购买策略在高成本或低偏好的市场结构特征下能够有效保障居民的公共品需求,政府可通过补贴低质量厂商与供给高质量产品的复合购买策略来削减政府成本.在实践中,政府应当重点观察公共品市场的市场结构特征,分别在低质量市场和高质量市场采取财政补贴和政府供给策略.     

高频数据下基于PGARCH模型的VaR估计方法及应用

高频数据在风险价值VaR度量和预测方面的价值日益凸显,文中基于高频数据为嵌入日内收益过程的PGARCH模型提出一类稳健M估计,同时给出相应的VaR估计方法,并基于沪深300指数和恒生指数的5分钟高频数据对时间内和时间外的VaR进行估计预测.实证结果表明,高频数据下PGARCH模型的M估计所提供的VaR估计方法可更加准确的预测VaR,预测结果均优于日间低频数据的估计结果和基于高频数据的QMLE估计结果,该方法可以很好地应用于风险管理中.     

融合高效用模式的在线媒体突发话题发现

在线媒体拥有海量的非结构化数据,包含大量的突发话题和普通话题.传统的话题模型在不加入先验信息的情况下,无法有效区分普通话题和突发话题.本文的研究提出基于高效用模式和话题模型的突发话题发现(high utility bursty topic model, HU-BTM)模型.该模型使用高效用模式挖掘找出文本数据中的突发词组,使用基于普通Polya坛子模型的Gibbs抽样方法,将突发词组与突发词引入话题模型,实现突发话题的自动识别.实验结果表明与现有的主要突发话题发现方法比较,HU-BTM模型在准确率和召回率指标上优于对比算法.     

自适应局部线性化法预测混沌时间序列

提出一种基于奇异值分解最小二乘法的自适应局部线性化预测方法.它要求数据矩阵的条件数不大于给定阈值,并据此自适应地确定当前相空间的维数,然后根据新的嵌入维数重构数据矩阵,进行模型的参数估计和计算当前预测值.实验结果说明所提方法精度高且稳健.特别是当嵌入维数接近最邻近向量的数目时,其性能显著优于普通局部线性化方法.     

基于ADAMS与SIMULINK的舵机虚拟样机建模和仿真

舵机是制导控制系统的重要部件,为了减少成本,提高制导控制系统的研发效率,提出了用舵机虚拟样机替代物理样机的方法.利用机械动力学分析软件ADAMS和控制仿真软件SIMULINK分别建立导弹舵机的机械动力学模型和控制器模型.通过对仿真数据处理和分析,并与物理舵机实测数据进行对比,确定出虚拟样机的控制参数,改进模型准确度,获得可行的舵机虚拟样机.在此基础上,将虚拟样机嵌入到制导控制系统仿真中,仿真结果验证了此方法的可行性.     

嵌入期权的激励相容型软件外包付款合同设计

扩展了文献[1]的经典模型, 建立起激励相容框架下软件外包付款合同设计的正式模型. 特别之处在于嵌入了一个"中期检查"的触发期权, 在模型中采用示性函数的方法简洁表示. 通过基准模型与嵌入触发期权的模型结果的比较, 证明了嵌入触发期权对外包的风险控制、促进承接商(vendor)提高努力程度均占有优势. 还发现嵌入期权对客户(client)与承接商的双重约束功能, 主要通过改变超支分担系数来约束客户行为. 利用中国对日本的软件外包承接商的调查研究数据, 证实了嵌入触发期权主要通 过促进承接商超支控制效率的提高而实现外包风险有效控制,也证实了双重约束功能及其他主要理论结果.     

基于面板数据的灰色网格关联度模型

针对面板数据灰色关联模型中存在的一些问题. 首先提出了面板数据的初始化方法,用网格法描述面板数据在三维空间中的几何特性. 然后将网格拆分为线段,利用线段在空间中的斜率,构建网格关联系数. 进而根据算数平均得到灰色网格关联度模型,并讨论了该模型的性质. 最后通过算例验证了该方法的可行性与有效性,结果表明灰色网格关联度模型具有良好效果.     

基于混沌时间序列的误差纠错预测模型

提出了一种新型的非常实用的非线性时间序列的预测模型,即误差纠错预测模型(EAM),并从概率统计的角度严格证明了该方法的可靠性,同时分析了受噪声扰动的时间序列的预测.先按一般方法确定嵌入维数与时间步长,在每个当前时刻,先用局域线性回归方法得到预测点的预测值,根据信息在非线性演化中产生的失真误差大小予以修正得到修正值,并以该点为新的基点作进一步预测.该方法具备了滑动窗口二次自回归模型(MWDAR)的适用于小数据集且对大数据集具有高效率的优点,而且克服了MWDAR方法中一次项和二次项阶数及滑动窗口长度等参数难以确定,从而会导致预测恶化,使得应用受到限制的缺点.分别用Logistic方程产生的小数据集和大数据集的混沌时间序列数据作了预测,结果良好.     

基于关联规则赋权特征选择集成的信用分类研究

针对信用分类数据集中常见的高维性特征,本文基于特征袋装法和关联规则挖掘算法,构建了新的赋权特征选择集成模型AR-WSAB.该模型能根据频繁项集的支持度和置信度,对各特征的重要度进行测度,进而选择出各特征子集,训练子分类器,再通过集成得到最终结果.通过在贷款违约预测数据集上进行实证分析,结果表明该模型分类正确率相对于Bagging集成模型和PCA算法都有显著优势,所提方法能够有效处理高维性特征,并且在各分类算法上都具有普适性.     

粗等价类融合禁忌搜索的最小约简完备算法

提出粗等价类融合禁忌搜索的最小约简完备算法.首先用全局等价类替换元组作为基本计算单位,给出3类粗等价类定义,结合0-粗等价类在约简的渐增式计算中递减至空的性质,推导出求正区域的等价方法,并设计求解中双向缩减计算域的优化策略,从而提供快速求初始解、验证解等基础算法;然后面向约简特性设计禁忌搜索下的多种策略,包括双向邻域搜索、藐视准则、有限随机搜索、有限解检验等,最后给出高效的最小约简完备算法.用UCI中20个决策表、KDDCup海量数据集从多个性能指标进行验证,实验结果证明粗等价类理论和禁忌搜索从双方面保证本文算法的完备和高效性,大多数情况下可有效求得最小约简,并在跳出局部最优解、收敛速度和处理海量数据效率等方面优于现有算法.     

Chaotic time series multi-step direct prediction with partial least squares regression

Considering chaotic time series multi-step prediction,multi-step direct prediction model based on partial least squares(PLS)is proposed in this article,where PLS,the method for predicting a set of dependent variables forming a large set of predictors,is used to model the dynamic evolution between the space points and the corresponding future points.The model can eliminate error accumulation with the common single-step local model algorithm,and refrain from the high multi-collinearity problem in the reconstructed state space with the increase of embedding dimension.Simulation predictions are done on the Mackey-Glass chaotic time series with the model.The satisfying prediction accuracy is obtained and the model efficiency verified.In the experiments,the number of extracted components in PLS is set with Cross-validation procedure.     

基于循环神经网络的船舶航迹预测

在海事搜救、海关缉私等应用中,对目标船舶进行航迹预测是一个关键问题。为提高预测的精度和效率,提出了一种基于循环神经网络的船舶航迹预测方法,该方法包含数据预处理和神经网络预测两个部分。在数据预处理中,设计了一种基于对称分段路径距离的数据预处理方法,消除了大量冗余数据及噪声的影响;在神经网络预测中,构建了基于门控循环单元的循环神经网络模型,实现船舶位置信息精准且高效的预测。通过大量船舶自动识别系统数据进行了对比实验,实验结果证明了方法的实用性和有效性。     

基于控制参数估计的再入滑翔目标智能轨迹预测算法

再入滑翔目标的轨迹预测是一项困难且具有意义的技术, 现有利用简单函数拟合控制参数进行轨迹预测的方法, 拟合精度不高且对数据的关联性不强。针对该问题, 本文结合长短期时序网络提出了基于控制参数估计的智能轨迹预测算法。首先, 通过设计快速轨迹生成算法, 结合攻角走廊模型快速生成大量机动轨迹, 构建数据集。然后, 建立了包含末点修正网络、控制参数修正网络及预测网络的智能轨迹预测框架, 利用数据集对关键控制参数的变化规律进行学习。最后, 结合目标运动模型积分外推实现轨迹的准确预测。仿真结果表明, 所设计的预测算法在不同机动模式下的预测平均误差不超过1.4 km, 最大误差不超过2.5 km, 能够实现轨迹的快速预测, 且对大气扰动造成的模型不确定性具有一定的鲁棒性。     

基于直觉模糊集的多属性模糊决策方法

针对模糊条件下的多属性决策问题,提出了一种新的基于直觉模糊集的多属性模糊决策方法。首先,给出了直觉模糊集的几何解释,定义了两个直觉模糊集之间的距离,确定了各候选方案指标值在直觉模糊集中的表示形式。其次,针对在信息不完全确定的模糊环境下,建立了基于直觉模糊集的多属性模糊决策模型,给出了适合这种模型的相应定义,提出了理想方案和负理想方案的概念,并结合信息不完全确定性处理来保证方案的唯一性。最后,通过比较各方案的直觉模糊集与理想和负理想方案的距离来确定方案集的排序。通过实例验证了方法的正确性和有效性。     

基于流形学习的多核SVM财务预警方法研究

在进行财务困境预测时, 为了客观全面地反映企业的财务状况, 纳入较多的预警指标, 数据集维度将变得很大, 传统方法求解此类问题效果并不理想. 流形学习处理高维数据具有较好的降维效果,多核SVM对于分布不平坦的数据具有很好的分类性能. 基于此, 提出了“流形学习+多核SVM”的混合算法财务预警模型, 该模型适用于具有大量指标集的财务预警. 实验结果表明, 与传统预警方法相对比, 其具有更优的预测性能.     

基于完备模糊规则集的混沌时间序列预测

基于数据挖掘思想，使用置信度度量和改进的梯度下降法，提出一种新的构造完备．模糊规则集的方法来建模和预测混沌时间序列。所提方法通过确定最优输出模糊子集的质心和模糊规则的置信度度量，能够推理数据未覆盖区域的空缺规则，并构造一个完备的模糊规则集，进而解决了混沌时间序列的可预测问题。仿真结果表明新方法是有效和准确的。它能很好地辨识系统的特征，并且提供了一种混沌时间序列预测的新方法。     

Half-global discretization algorithm based on rough set theory

It is being widely studied how to extract knowledge from a decision table based on rough set theory. The novel problem is how to discretize a decision table having continuous attribute. In order to obtain more reasonable discretization results, a discretization algorithm is proposed, which arranges half-global discretization based on the correlational coefficient of each continuous attribute while considering the uniqueness of rough set theory. When choosing heuristic information, stability is combined with rough entropy. In terms of stability, the possibility of classifying objects belonging to certain sub-interval of a given attribute into neighbor sub-intervals is minimized. By doing this, rational discrete intervals can be determined. Rough entropy is employed to decide the optimal cut-points while guaranteeing the consistency of the decision table after discretization. Thought of this algorithm is elaborated through Iris data and then some experiments by comparing outcomes of four discritized datasets are also given, which are calculated by the proposed algorithm and four other typical algorithms for discritization respectively. After that, classification rules are deduced and summarized through rough set based classifiers. Results show that the proposed discretization algorithm is able to generate optimal classification accuracy while minimizing the number of discrete intervals. It displays superiority especially when dealing with a decision table having a large attribute number.