基于支持向量机的信用评估模型及风险评价

运用基于支持向量机理来建立一个新的个人信用评估预测模型,以期取得更好的预测分类能力.并对SVM分类结果与三层全连接BPN分类结果进行了比较.结果表明,在判别潜在的贷款申请者中支持向量的判别结果比神经网络的要好.为了减小训练集偏差及为了验证两种方法的鲁棒性,基于两种策略(平衡样本与非平衡样本)交叉验证来进一步评价SVM分类准确性,并对两种方法基于两种策略的误分类作了风险代价分析.     

我国航空客运量需求预测模型:基于随机前沿预测模型和模型平均

针对多数研究以产品或服务的历史消费量来代替不可观测的需求量而导致的需求预测出现实质性偏差的问题，本文将包含技术无效率项的随机前沿预测模型应用于航空客运量需求的预测，从而有效解决实质性偏差的问题.同时我们在此基础上引入一种模型平均权重确定方法，即通过最小化M折交叉验证准则（CV_M）确定候选模型权重.本文证明了该方法在理论上的最优性.由于模型中技术无效项的存在，我们可以同时预测航空客运量的实际产生量和需求量，实证研究也表明，相比其他常用的预测方法，该方法在预测航空客运量中长期的实际产生量上更具优势.     

基于双层规划的普通克里金插值方法研究

采用双层规划描述了普通克里金法中理论变异函数模型参数求解问题.针对传统变异函数模型参数求解过程中容易受人为不确定性因素影响的问题,建立了以交叉验证统计结果最优和个体样本满足最优无偏线性估计为目标的双层规划模型,并给出了相应的求解方法.该方法根据交叉验证结果优化调整上层系统随机给定的变异函数模型参数,可以减少变异函数模型参数求解过程中人为不确定等因素的影响,从而可以获得合理的理论变异函数模型参数和较好的空间插值结果最后,以土壤pH值为例,通过与加权最小二乘法比较验证了采用该方法的有效性和合理性.     

基于out-of-bag样本的随机森林算法的超参数估计

随机森林是一种有效的分类树集成算法,但为了使它具有较高的预测精度,要采用某种方法确定其超参数的最优值.在不额外增加计算复杂性的前提下,提出了一种基于out-of-bag样本估计其超参数取值的方法.仿真试验的结果表明,利用文中提出的方法所选取的超参数在多数情况下都能使随机森林算法的分类效果达到最优.     

基于均衡7×2交叉验证的模型选择方法

交叉验证策略广泛应用于分类问题的模型比较和模型选择中．文章提出一种均衡7×2交叉验证并给出了相应的构造方法．文章以分类回归树（CART）为考察模型,对比了采用均衡7×2交叉验证、组块3×2交叉验证、标准5折和10折交叉验证在模型选择中的性能．模拟结果表明,在小规模数据集上,均衡7×2交叉验证方法选择到真模型的概率明显高于其余三种交叉验证的选择方法．     

泛化误差的三种交叉验证估计方法的比较

在泛化误差（GeneralizationError）的估计中,交叉验证（Cross—validation）是最常用的方法．基于均方误差准则下,采用生物信息数据比较了泛化误差的5折、10折交叉验证和组块3×2交叉验证估计,实验证明组块3×2交叉验证比5折、10折交叉验证方法更好．     

极限学习机的快速留一交叉验证算法

针对回归和分类问题,提出一种极限学习机(Extreme Learning Machine, ELM)的快速留一交叉验证算法,并从理论和数值仿真两方面说明其有效性.结果表明,该算法避免了以训练样本数量N次的ELM模型的显式训练,其计算复杂度与N仅呈线性趋势增长,即O(N).即使在处理大型数据集建模问题时,该算法仍然可以快速地进行ELM模型的选择和评价.通过人工和实际数据集上的仿真实验,验证了该快速留一交叉验证算法的有效性.     

市级科技情报部门开展竞争情报工作初探

从科技情报部门开展竞争情报工作的重要性着手,探讨了市级科技情报部门开发竞争情报的工作方法。     

基于时频域融合和ECA-1DCNN的航空串联故障电弧检测

为了快速准确地检测航空交流线路中出现的串联故障电弧,提出了一种基于时频域融合和加入高效注意力机制(efficient channel attention, ECA)的一维卷积神经网络(one-dimensional convolutional neural network, 1DCNN)的故障检测算法。首先,搭建航空交流电弧故障实验平台,负载选择多类型、多参数值进行电流信号的采集;其次,为了保留更多的故障信息,分析其特征频段,经过大量数据验证,航空串联电弧在发生时,1 000～4 000 Hz分量具有一定的占比,因此将原始信号与特征频段进行融合,融合后的一维数据作为模型输入;最后,搭建ECA-1DCNN检测模型,进行训练,并通过K折交叉验证模型的有效性,得到测试集平均准确率为97.96%。该方法网络层数较少,计算快速,避免了复杂时频域计算过程,较为智能,对航空串联电弧检测装置的研究提供了理论参考。     

非参数回归的CV NN中位数估计的相合性

考虑非参数回归模型Y_i=g(x_i)+e_i,其中g(x)是待估的连续函数,x_i是非随机的,e_i是i.i.d.随机误差。笔者讨论最近邻中位数估计g_(n,h)(x_i)=m(Y_i(1),…,Y_i(h))=Y_i(1),…,Y_i(h)的中位数,其中h利用平均平方误差意义下的cross-validation方法选择。在一定条件下,建立了cross-validation最近邻中位数估计的相合性。