Designing a Hybrid Intelligent Mining System for Credit Risk Evaluation

In this study, a novel hybrid intelligent mining system integrating rough sets theory and support vector machines is developed to extract efficiently association rules from original information table for credit risk evaluation and analysis. In the proposed hybrid intelligent system, support vector machines are used as a tool to extract typical features and filter its noise, which are different from the previous studies where rough sets were only used as a preprocessor for support vector machines. Such an approach could reduce the information table and generate the final knowledge from the reduced information table by rough sets. Therefore, the proposed hybrid intelligent system overcomes the difficulty of extracting rules from a trained support vector machine classifier and possesses the robustness which is lacking for rough-set-based approaches. In addition, the effectiveness of the proposed hybrid intelligent system is illustrated with two real-world credit datasets.     

基于数据分组处理方法的聚类分析模型

与通常的聚类方法相比,客观聚类分析方法能自动、客观地确定聚类个数并找到最优聚类方案.通过算法步骤的剖析和算例分析,对客观聚类分析方法的核心构件,即一致性准则的不足进行了评价.利用偶极子给出了新的一致性准则,提出了数据分组处理(GMDH)聚类分析方法.从理论分析和实证比较两方面论证了新的一致性准则的优越性,指出了GMDH聚类分析方法是客观聚类分析方法的发展.     

基于条件蒙特卡罗方法的信用违约互换合约定价

多标的资产违约相关性结构的度量及其联合违约时间的模拟是信用违约互换合约定价的关键.Copula函数和蒙特卡罗模拟是解决此关键问题的有力工具,被广泛应用于信用衍生品定价.本文基于因子t-copula模型,结合条件蒙特卡罗模拟,构建了计算第7n次信用违约互换合约的条件蒙特卡罗算法.该算法能够捕捉多标的资产违约的尾部相关性,更准确地度量标的资产组合的违约风险及提高违约事件的模拟效率.数值结果表明,在考虑尾部相关性的情形下,采用重要抽样技术的JK算法和改进的JK算法是不稳定的,不能达到减方差的目的;而本文新构建的定价算法更稳定,在高斯copula和t-copula模型下,都能够有效减小估计量的方差,提高信用违约互换合约的定价精度和可靠性.     

辅助数据缺失环境下结构化自适应目标检测器

杂波背景非均匀导致经典自适应检测方法性能下降,为改善辅助数据缺失环境下的目标检测性能,研究了雷达目标结构化自适应检测方法。利用杂波协方差矩阵斜对称特征,设计了结构化广义似然比检验自适应检测器,提高了杂波谱结构化信息和待检测单元杂波信息的利用率;进一步推导了检测器的实数域表达式。仿真分析表明,所提检测器具有恒虚警率特性,其检测性能对不同杂波相关性具有很好的鲁棒性。在辅助数据缺失环境下,所提检测器性能优于现有典型非结构化和结构化检测器,且这种优势随着辅助数据缺失程度的增大而加大。     

基于稳健回归的TTE时钟补偿算法

时间触发以太网(time-triggered ethernet, TTE)通过精确的时间调度,保证了通信数据的实时性传输,满足了航空电子、运输及工业自动化等众多领域中关键安全系统的传输要求。然而,现有的TTE标准虽然规定了时间触发以太网的时钟同步流程,但未对时钟补偿问题给予具体解决方法。针对TTE的时钟同步特点,提出了一种基于稳健回归的时钟同步补偿方法。通过稳健回归算法对时钟误差进行估计,再根据估计误差对各节点的本地时钟进行补偿,所提出的算法成功解决了传统时钟补偿方法导致的时钟跳变和野值影响的问题。仿真结果也证实了,在野值比例不大于50%的情况下,所提算法在时钟同步精度方面明显优于传统的直接补偿算法和无稳健性的最小二乘补偿算法。     

基于统计特性差异的距离多假目标识别技术

提出了一种基于角度量测统计特性差异的雷达距离多假目标欺骗干扰识别方法。首先针对传统的角度量测卡方检验方法容易将相同角度分辨单元内的多个真实目标误判为距离多假目标干扰的问题,利用虚假目标与真实目标距离量测之差的均值通常为时不变常数的特点,将角度量测卡方检验与距离量测差均值和方差联合检验相结合,实现了距离多假目标干扰存在性的准确判别;然后对多个时刻量测进行积累,并通过对应时刻角度量测做差,构造样本集合;最后利用虚假目标比真实目标角度量测方差大的特点,采用量测方差聚类划分的方法,实现了真假目标的准确鉴别。     

基于目标导向的多属性决策属性价值公度方法

MACBETH方法在多个属性维度上确定出的一组属性Good值(或Neutral值)并不能真地具有保证属性价值公度的完全相同的偏好涵义.为克服该方法缺陷,基于包容性属性价值函数,通过引入数据包络分析技术和马尔可夫理论给出了以目标参照方案为导向的目标导向属性价值函数和多属性决策属性价值公度的方法程序.相比于具有较大随意性确定属性Good值和Neutral值的MACBETH方法,依赖目标导向属性价值函数的多属性决策属性价值公度程序具有更明显的科学合理性,因此具有发展MACBETH方法,推动实际决策应用该方法及相关多属性偏好关联决策模型的创新价值.基于决策实验的应用分析直接验证了多属性决策属性价值公度方法程序的科学有效性,间接验证了包容性属性价值函数和目标导向属性价值函数的科学理性.     

动态外部性与城市群经济增长收敛的实证研究

区域经济收敛性一直是研究热点,动态外部性成为关注焦点.通过分析动态外部性与城市群经济空间收敛机理,构建动态经济权重模型,判断区域经济空间关联性.然后分析面板数据平稳性,结合动态空间面板模型,计算技术空间溢出水平,准确判定区域经济收敛性.最后,以环长株潭城市群例证该模型和方法的可行性,并得出:①空间外部性是影响经济收敛的主要因素,技术空间溢出是关键,SDM较好地描述了此收敛性;②使用SDM分析时必须确保面部数据的平稳性,剔除短期周期性误差对区域经济收敛性的不当影响;③空间权重受地理邻近、产业结构和市场潜能的交互影响,是动态的,且对经济收敛结果影响很大;④环长株潭城市群存在明显经济收敛机制,技术空间溢出效应较显著,仍需要进一步消除限制知识和贸易自由流动的行政壁垒和交通瓶颈促进城市群技术进步和经济协同发展.     

基于复杂行为响应的传染病爆发问题的研究

在小世界网络拓扑结构上,研究信息影响力、接种比例和个体间信息传播概率的变化,对传染病传播的影响。研究发现小世界强度减弱时,信息影响力对传染病爆发概率和爆发规模的影响作用发生了逆转;在个体间信息传播速率增加的过程中,传染病的爆发概率和爆发规模呈现上升的趋势。