基于支持向量机的大学财务困境预警模型

为了解决大学的财务风险预警模型由于样本稀疏造成预测准确率偏低的问题,该文提出了一种基于支持向量机(SVM)的预警模型的构造方法.选取教育部64所大学的7个财务评价指标并将其分为轻警、重警和巨警3种类别进行了训练计算.与误差反向传播(BP)神经网络模型相比较,在小样本数据条件下,基于SVM的大学财务困境预警模型是大学财务困境预警的有效方法.研究结果可以较好地对大学财务困境进行预警监测.     

Bπ′-特征标的单项性

设G为一个有限π-可分群,其中π为一个素数集合(其中2∈π)。在这篇文章中,我们证明了:设χ∈Bπ′(G),χ对应的表示为T且T是由n-维G-空间V产生的G的不可约表示,则T是单项的当且仅当V有基{v1,v2,…,vn},使得vix=αi(x)vσx(i),i=1,2,…,n,x∈G,其中x→σx为同态,而σx是{1,2,…,n}的置换,且αi(x)≠0是复数。     

工程优化设计中的近似模型技术

解决复杂系统的建模优化问题,需根据具体的应用环境,选择合适的近似模型。本文对响应面模型、多元自适应回归样条模型、克立格模型、径向基函数模型、支持向量回归模型等近似模型的性能特点和适用范围进行了系统的比较研究,在分析这些近似模型基本特性的基础上,选取具有广泛代表性的测试函数,并综合考虑问题的复杂度、非线性程度、采样点的规模及分布等多个因素,对上述5种近似模型的全局和局部拟合能力、鲁棒性等进行了较为全面的比较评价,并给出应用实例。     

基于SVM的以词性和依存关系为特征的句子倾向性判断分析

将句法平面词的词性特征、依存关系、依存关系中的词性特征、邻接依存关系、邻接依存关系中的词性特征与倾向性词汇和倾向性搭配作为支持向量机（SVM）分类器的特征集,以句子为单位对多个领域的文本进行倾向性判断．通过交叉验证的方式,估计出分类器的精度为95．6％．据此提出句子倾向性分析可不以句子倾向性判断为前提．     

一类变换图的距离性质

求得一类变换图G(R*,S*)(其中R*=(r1,r2),S*=(1,…,1))的直径为r,证明了对于G(R*,S*)中任意2个距离为k的点,恰存在k2条内部不交的最短路联结这2个点,并且最多存在r1 n－r1〗条内部不交的路联结这2个点.     

一种新的群体一致性算法及平台实现

在分析已有两种主要群体一致性算法所存在问题的基础上,给出了一种新的群体一致性算法,该算法是用方差的大小来衡量群体一致性程度,有利于设定统一的阈值,并具体实现了新的群体一致性算法,运用该算法平台对某轿车厂家的一款新车型进行了快速、科学地决策,从新车型的市场反馈来看,该算法是有效的。     

一种递归模糊神经网络的广义预测控制方法

提出了一种递归模糊神经网络(RFNN),通过加入向量调节层,提高了网络对输入信息的处理能力。基于所设计的递归模糊神经网络,建立非线性系统的离散数学多步模糊预测模型,根据这一模型对系统的输出进行预测,然后利用预测控制算法得到相应的预测控制规律。仿真结果表明该方法具有较高的控制精度以及一定的抗干扰能力。     

广义TKK代数的一类模结构

设S是欧氏空间R″（υ≥1）中最小的非格半格,在一个Jordan代数T（S）的基础上,通过Tits-Kantor-Koecher方法可构造TKK李代数g（T（S））,研究该李代数的泛中心扩张广义TKK代数g（T（S））,的一类在群代数与对称代数上的不可约表示。     

基于支持向量机的飞机备件消耗预测研究

针对影响飞机备件消耗的诸多因子难于在模型中体现的问题,采用支持向量机回归模型,应用于备件的消耗预测。该方法将影响备件消耗的主要因子作为支持向量机预测模型的输入因子,对应的备件消耗量作为输出因子,训练模型,然后输入测试样本进行预测。预测结果表明,相比于GM(1,1)模型和神经网络(ANN)模型,该模型具有较高的预测精度和动态适应性,可为相应的备件保障部门提供科学的决策依据。     

基于改进的网格搜索法的SVM参数优化

比较了现今应用比较广泛的3种支持向量机(SVM)参数优化方法.具体分析了网格法、遗传算法和粒子群算法在SVM参数优化方面的性能以及优缺点,提出了一种改进的网格法.先在较大范围内进行搜索,在得到的优化结果附近区域再进行精确搜索.实验表明改进的网格搜索法耗时短,更适用于有时间要求的说话人识别应用中.