财务共享模式下的财务智能化协作系统设计研究

随着人工智能等新技术不断发展,财务共享模式也迎来了新的历史发展纪元.针对建筑企业协作施工财务管理过程中的现状,提出了基于支持向量机的协作施工合同资金支付预警模型和基于BP神经网络的分包商信用信用评价模型,选择7个风险指标并设置三种风险等级,建立6个信用评价指标一级指标和20个二级指标.通过模型训练和测试,结果表明具有明...     

基于SVM的瓦斯体积分数混沌时间序列预测

文章针对瓦斯体积分数时间序列的非线性和不确定性特征,提出了一种基于SVM的混沌时间序列预测方法.该方法采用改进的最大Lyapunov指数法识别时间序列的混沌特性,通过多次试验选取合适的参数构造SVM预测模型,最后使用优化的预测模型对φ瓦斯的变化趋势进行预测.仿真结果表明,该模型能够较好地解决φ瓦斯时间序列的预测问题,与RBF神经网络模型相比,具有较高的预测精度.     

基于GA和Bootstrap的最小二乘支持向量机参数优选

支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.传统的支持向量机是解凸二次规划问题,而最小二乘支持向量机是解等式线性方程,显得尤为方便.针对最小二乘支持向量机的特点,通过Bootstrap建立适当的性能指标,用遗传算法(GA)优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用.用最小二乘支持向量机对非线性经济系统进行预测的结果与神经网络预测的结果比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.     

基于改进支持向量机的飞机空气循环系统仿真模型及故障分析

为了有效地识别飞机空气循环系统组件是否发生故障,区分故障类型,并作出对应的维修策略,提出一种基于改进支持向量机的飞机空气循环系统故障诊断方法;首先建立飞机空气循环系统仿真模型,然后将支持向量机运用于飞机空气循环系统,引入蚱蜢优化算法、位置随机偏移机制和模拟退火算法,对支持向量机进行参数优化,最后参考最优参数对飞机空气循环系统仿真模型进行训练。结果表明,建立的飞机空气循环系统仿真模型可以模拟不同情况下飞机空气循环系统主要组件的出口温度以及故障发生时的出口状态,加入蚱蜢优化算法等优化方式的支持向量机系统达到了简化调节参数、加快收敛、提高收敛精度的目的,可以根据多样本数据进行训练,完成故障分析。     

基于改进量子遗传优化支持向量机的配电网故障分类

针对传统方法在解决现代配电网故障分类时存在的求解速度慢、分类精度差的问题,提出一种结合量子遗传算法的支持向量机配电网故障分类方法。首先采集故障信号并进行S变换处理,将处理结果的均方根与均值作为特征量,以提高特征量辨识度;其次在量子遗传算法的种群更新策略中引入自适应动态旋转角,避免算法在早期陷入局部收敛,增加算法的调参精度。以IEEE33节点配电网模型为研究对象的实验结果表明,所提的特征量提取方法有效提高了支持向量机的故障分类精度,改进后的量子遗传算法通过为支持向量机寻到更优参数从而进一步提高了故障的判别精度和分类速度,验证了方法的有效性与准确性。     

融合LDA主题模型和支持向量机的商品个性化推荐方法

针对网络商品评论数据不能有效引导买方做出合理选择的问题,提出一种融合LDA主题模型和支持向量机的商品个性化推荐方法。首先爬取不同类型商品的用户评论数据并对其进行预处理;其次建立基于LDA的主题模型并对其特点进行量化;最后利用支持向量机实现商品个性化推荐。以智能手机商品为例进行实验分析,结果表明,所提方法能获得98%以上的分类精度。     

关于向量与矩阵对偶范数的注记

目的 深入刻画线性空间Cⁿ与M_n中常见的重要的范数的对偶范数。方法 利用对偶范数定义及范数的特性,通过Holder不等式、对偶原理、排序不等式、奇异值的Weyl不等式及Neumann不等式进行研究。结果 给出Cⁿ上l_p-范数与k-范数及M_n上Schatten p-范数和Ky Fan k-范数的表示,并给出M_n上算子范数的特性。结论 完善了线性空间Cⁿ与M_n中对偶范数的性质,为利用范数解决数值计算问题奠定了理论基础。     

向量空间模型在电信企业中的应用

本文提出了一种向量空间模型,利用TFIDF算法的基本思想,构造出了一种适合于电信企业的TFIDF算法。可以利用此算法找出流失的客户去向与新入网的客户来源,通过对比分析出客户的消费行为以及客户流失的原因,为制定营销策略提供了理论依据。     

基于多质心的不良文本快速过滤方法

针对Rocchio容易受到类别样本分布及噪声影响的而导致错误扩大类别范围的问题,提出对训练样本进行聚类,使用聚类形成的多个簇的质心向量替代单个质心向量作为过滤判定向量组的方法。该方法既能保证过滤效率,又比单质心的Rocchio过滤法具有更高的召回率和准确率。     

基于支持向量机预测的时序多属性决策法

针对时序多属性决策问题中的预测量大且时间样本有限的特点,以各决策单元的属性时间序列为样本数据,进行多变量时间序列相空间重构,建立用支持向量机预测未来属性值方法,进而提出综合考察决策单元的过去、现在与未来的情况下进行更科学、合理的时序多属性决策方法.