自适应最近邻预测(英文)

研究了在最近邻预测中如何选择最近邻的阶数的问题。考虑了两种根据训练样本来确定近邻阶数ｋｎ与ｋｎ的方法。还证明了使用这些近邻阶数来进行预测可以达到最优预测以及进行了随机模拟计算,计算结果与文中理论相当吻合,并且揭示了最优近邻阶数ｋ０ｎ与样本量ｎ之间关系。     

基于K-最近邻算法的话务智能预测技术

提出基于K-最近邻算法的话务智能预测技术,利用机器学习算法从电信话务信息的历史数据中提取规律,从而预测未来的电信话务信息情况。在算法中根据时间间隔对样例的距离度量进行了特征加权。针对互联互通来话数据的实验表明,该算法具有良好的性能。     

改进的神经网络最近邻聚类学习算法及其应用

提出了一种改进的RBF(Radial Basis Functions，径向基函数)神经网络最近邻聚类学习算法。并将其应用于股市预测问题。模拟结果表明，改进算法的拟合效果与拟合误差均明显好于常规最近邻聚类学习算法，可以较大幅度提高RBF神经网络的预测性能。     

时空数据库中反向最近邻查询的方法研究

随着无线通讯及连续移动对象寻轨技术的高速发展,迫切需要提出解决大量移动对象查询的有效方法。本文提出了一个解决连续移动点反向最近邻查询的算法,同时也提出了解决连续移动点的最近邻查询算法。     

关于回归函数的最近邻估计的渐近性态

讨论了回归函数的最近邻估计的渐近性质。证明了回归函数的最近邻估计量是渐近正态的。     

空间网络数据库中基于M-tree索引的反最近邻查询算法

欧式空间中的反k最近邻查询算法不适用于空间网络环境,故采用任意度量空间中的M-tree索引结构,进行空间网络数据库中的反k最近邻查询处理.首先通过预计算的方法得到网络距离信息,依据此距离信息,对空间网络对象建立M-tree索引结构.然后,给出并证明了M-tree中间结点修剪定理,提出一种适用于空间网络环境的反k最近邻查询算法.最后实验验证了该算法的有效性.     

非参数回归函数最近邻估计的相合性

本文研究了非参数回归函数最近邻估计、改良近邻估计的弱相合性及平均相合性,推广和改进了[1]中结果。     

最近邻搜索用于分类问题的一种改进

最近邻搜索广泛应用于分类问题,其最显著的优点是分类准确率高、泛化性能好.但现有最近邻分类算法都存在着一个弱点——样本集增大分类计算量也显著增大.为了克服这一不足,本文基于一个新的思路,提出了最近邻分类方法的一种改进方法.该方法在进行最近邻分类时,不一定要找到待分类点的最近邻点,而只要知道最近邻点的类别即可,大大地减少了最近邻搜索时的计算量.用经典的分类问题双螺线问题(TSP)以及其他几个例子,就该改进方法的分类效果、分类速度和学习性能等3个方面进行了测试,并与经典的K维双叉树(KD树)最近邻搜索法以及压缩近邻法进行了比较.结果表明,就综合性能而言,本文改进方法是有竞争力的.     

回归函数的混合型最近邻估计的强收敛速度

本主讨论了把最小二乘估计与最近邻估计结合起来所得的回归函数的混合型最近邻估计的强收敛速度。     

风险管理的CVaR法及其在银行信用风险度量中的运用

作为银行主要风险的信用风险,在中国经济体制转轨时期表现得更加尖锐.鉴于现有测度体系对风险度量方法的研究和探索存在一定缺陷,笔者通过引入一种VaR的修正模型CVaR,率先将此方法运用于度量信用风险,建立了具体的数学模型,给出了求解方法及步骤,从而测算出银行贷款组合的CVaR值,得到了银行信用风险的预警值,并总结出目前CVaR风险测度法在我国运用的难度,最后提出建议.     

存在退保情况时寿险风险分析

考虑在人寿保险中存在退保情况时的保费处理方法,即退保时死亡可得保额和不可得保额。引用Bayes方法,就寿命死亡率进行研究,并对保险经营中的盈亏进行了系统分析。     

条件负二项分布的双参数加法定理

在研究只允许部分服务台进入休假状态的多服务台M/M/c排队系统时,发现了条件Erlang分布的双参数加法性质,进一步研究发现相对应离散随机状态的负二项分布也具有类似的性质.本文证明了当X服从参数（m,p）的负二项分布,Y和Z服从参数为p和θ的几何分布且相互独立时,在X＜Z＜X＋Y条件下,Z的条件分布是参数（m＋1,p＋θ-pθ）的负二项分布,可称之为条件负二项分布的双参数加法定理;并给出了在X＜Z的条件下,X的条件分布是参数（m,p＋θ-pθ）的负二项分布.它们对导出复杂排队系统中离散状态下顾客等待时间分布及保险公司中破产概率上界的计算起着重要作用.     

无穷维系统辨识的条件健态性

本文考虑非线性参数系统的辨识条件健态性问题,首先应用非线性参数系统极小解与对应线性化方程解的存在,导出辨识问题的可解性;然后引用条件可辨识性与条件稳定性,构造条件可辨识区域,从而确保了参数辨识的条件健态性.     

CVaR的灵敏度分析

是对CVaR于投资组合的灵敏度进行分析，得到CVaR关于投资组合一阶、二阶偏导数的解析表达式，通过对CVaRh的灵敏度的仿真，验证了CVaR的凸性并为寻求最优投资比例提供了一种方法。     

Analysis of Conditional Value-at-Risk for Newsvendor with Holding and Backorder Cost under Market Search

We consider a distribution system with one supplier and two retailers. For the two retailers, they face different demand and are both risk averse. We study a single period model which the supplier has ample goods and the retailers order goods separately. Market search is measured as the fraction of customers who unsatisfied with their ＂local＂ retailer due to stock-out, and search for the goods at the other retailer before leaving the system. We investigate how the retailers game for order quantity in a Conditional Value-at-Risk framework and study how risk averse degree, market search level, holding cost and backorder cost influence the optimal order strategies. Furthermore, we use uniform distribution to illustrate these results and obtain Nash equilibrium of order strategies.     

基于组合赋权的暴恐转向风险预测研究

研究群体性事件演变过程中的冲突升级引发暴恐转向的风险,对维护国家安全和社会稳定具有重要意义。本文提出基于词频-逆文档频率(Term Frequency-Inverse Document Frequency, TF-IDF)及三角模糊数(Triangular Fuzzy Number, TFN)的组合赋权法,并融合贝叶斯网络(Bayesian Network, BN)构建风险转向预测模型。首先,通过分析促使事件态势演变的影响因素,建立暴恐转向指标体系,利用TF-IDF方法对社交媒体文本数据中的代表性高频词汇进行筛选和分类,计算对应指标的客观权重。其次,结合TFN和德尔菲法设计调查问卷,采用全积分值法对专家小组评判结果进行解模糊化处理,得到指标的主观权重。再次,根据博弈论组合赋权法得到综合权重,融合BN概率推理模型,预测发生暴恐转向的概率。最后,利用反向推理得出影响因素的后验概率,分析引发暴恐转向的主要因素,为相关部门采取针对性措施提供理论参考。实例结果显示暴恐转向风险的预测概率为81%,与实际事件态势发展情况相符,验证了本文模型对群体性事件态势发生暴恐转向风险具有可行、准确的预测。     

带干扰风险模型下的破产概率双边界的估计

作者用Wald鞅方法对带干扰风险模型下的破产概率进行了研究,基于不同的寿命分布族分别得到了破产概率的上下界,并将其与前人的结果进行了比较.     

决策影响图在设备可靠性系统分析中的应用

决策影响图是决策分析的一种新的图形表征求解方法，它用无回路的有向图表征决策变量、随机变量和目标函数之间的相关关系，并进行推理分析、信息分析和灵敏度分析等．本文运用影响图分析法研究设备可靠性分析问题．