地理学视角下POI大数据的应用研究及反思

以兴趣点(POI)等为主要代表的地理大数据为增强人地系统认知提供了重要新视角,为推动现代地理学发展提供重要支撑。基于应用、方法与尺度具体总结了POI大数据在地理学特别是人文经济地理学领域的创新应用及进展,发现在机器学习等方法驱动下,POI大数据逐渐从单一应用视角转向多尺度耦合研究,对物质空间、人类活动及人地关系耦合机制的精细化认知增强,促进多尺度区域决策支撑能力。同时,也必须注意的是,受数据质量、获取水平及信息挖掘等能力的影响,在今后及未来一段时间,应着重构建POI及其他地理大数据的长效共享机制,增加小尺度实地质量评估实证研究,加快地学数据增值导向,在知识发现、决策支撑和知识传播等方面发挥更大价值。     

缺失数据下EV模型的渐近性质

在缺失响应变量的不完全数据下,考虑半参数EV模型,利用二阶段估计的方法求出了EV模型中参数β和非参数g的估计量^βn,^gn.研究了它们的强相合性及渐近正态性.     

遗传程序设计算法在水溶于有机溶剂过程研究应用

对若干物性体系进行了有机溶剂分子结构与水溶解度之间的定量研究,选取了39个有机溶剂分子,分为两组,一组30个分子作为训练集,另外9个分子作为测试集组.采用28个分子结构描述符来定量描述分子的结构,最终通过遗传程序设计筛选,得到一个4参数的非线性方程,关联和预测相关系数的平方均在0.95以上,研究取得了较满意的计算结果.     

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.     

一种基于核主元分析的非参数控制限算法

实际过程中,监控指标值往往不满足确定的概率分布,给控制限的计算带来了困难,现有的计算方法计算复杂、精度差.根据高维空间良好的分类特性,提出一种基于核主元分析(KPCA)的监控指标控制限计算方法,将监控指标值映射到高维空间,再在高维空间中对其映射数据进行监控,实现了控制限的间接求取,避免了复杂的计算.     

基于模糊-粗糙模型的逼近精度分类规则提取策略

为了处理具有连续属性的决策系统,利用模糊理论与粗糙理论在处理不确定性问题方面的差异性,提出一种基于模糊-粗糙模型的逼近精度分类规则提取策略.首先利用模糊π函数对决策系统中的连续属性构造三个模糊参数进行模糊化,从而确定条件属性的模糊区域;再根据模糊相似关系构造模糊相似矩阵,然后基于模糊等价类划分的概念,提出了利用逼近精度近似度量的数据挖掘方法进行属性约减,最后应用实例说明如何在决策表中发现分类规则.实验结果表明此方法挖掘出的规则简练且合理可靠.     

中国期货市场日内效应分析

运用1分钟高频数据对我国三个市场、六个品种的商品期货的收益率和交易量的日内变动模式进行研究,得出了日内绝对收益率及交易量的"L"型变化模式.这跟证券市场的"U"型日内特征不同,我们根据金融市场微观结构理论、交易机制及交易者心理给予解释.在此基础上,利用Granger因果关系检验和向量自回归模型(VAR),研究了影响收益波动性的各种因素.结果表明绝对收益率与交易量、持仓量之间两两存在双向Granger因果关系,这是与股市的只存在由交易量到绝对收益率的单向Granger因果关系不一样的结论,原因在于期货市场的做空机制.通过对VAR模型进行方差分解和脉冲响应分析,实证分析了三者之间的动态关系及影响程度.结论表明:当以绝对价格波动作为被解释变量时, 其自身的滞后项可以解释90%左右的残差扰动,交易量可以解释10%左右的的残差扰动.当以交易量作为被解释变量时,其自身的滞后项可以解释80%左右的残差扰动,绝对价格波动可以解释20%左右的残差扰动.当以持仓量作为被解释变量时,其自身的滞后阶数解释了45%～70%的残差扰动, 交易量解释了25%～45%的残差扰动,绝对价格波动解释了5%～10%.各方程变量解释基本都稳定在20～30分钟后.实证结果还表明持仓量对绝对价格波动和交易量有微弱的影响,而绝对价格波动与交易量有较强的互动影响,并且就此给投资者以相关建议.     

基于DEA评价模型挖掘证券投资基金管理信息

针对基于CAPM、APT等经典投资理论的证券投资基金业绩评价方法(如Sharp ratio、Treynor指数等)只能反映基金事后的总体风险收益水平的缺点,利用数据包络分析方法允许深入探查输入输出指标这一优点,构建合理的基金评价概念模型,将投资基金的风险、超额收益分别做进一步的归属分解之后作为输入输出指标代入DEA评价模型,并根据评价的结果对超额收益、系统风险等因素进行分析,充分挖掘了基金的管理信息,给出了未来投资的建议.实证显示,该方法得出了其他基金评价方法所无法得到的一些重要结论.     

扩展的树增强朴素贝叶斯网络信用评估模型

针对信用评估问题的特点,在推导混合数据极大似然函数的基础上,提出了扩展的树增强朴素贝叶斯网络信用评估模型,用10层交叉验证在真实数据集上进行了测试并与神经网络分类模型进行了比较.测试结果表明扩展的树增强朴素贝叶斯网络信用评估模型具有较高的分类精度,在信用评估中具有优势.