Mining semantic features in current reports for financial distress prediction: Empirical evidence from unlisted public firms in China

It is difficult to predict the financial distress of unlisted public firms due to their longer disclosure cycle of accounting information and more inadequate continuity of market trading information compared to listed firms. In this paper, we propose a framework to predict the financial distress of unlisted public firms using current reports. Specifically, to better represent the meaning of current report texts, we propose a semantic feature extraction method based on a word embedding technology. Empirical results show that current reports contain more effective information for predicting the financial distress of unlisted public firms compared with periodic reports. In addition, semantic features extracted using our proposed method significantly improve the predictive performance, and their enhancing effect is superior to that of topic features and sentiment features. Our study also provides implications for stakeholders such as investors and creditors.     

桑叶配方颗粒物质基准研究

桑叶配方颗粒迄今尚没有统一的质量标准。为提升桑叶配方颗粒的内在质量,对其物质基准评价方法进行了研究。选取具有代表性产地的15批桑叶制备物质基准,采用高效液相色谱法,以芦丁、异槲皮苷、紫云英苷作为评价指标,确定桑叶物质基准的出膏率范围、标志性成分含量及转移率范围,采用超高效液相色谱法,建立物质基准UPLC特征图谱,并对其主要成分进行指认。结果表明:15批物质基准中,芦丁转移率为19.94%～34.05%,异槲皮苷转移率为11.67%～43.58%,紫云英苷转移率为10.73%～43.05%;物质基准特征图谱中,标定了14个共有峰,指认出7个色谱峰,分别为新绿原酸、绿原酸、咖啡酸、芦丁、异槲皮苷、槲皮素-3-O-(6″-O-丙二酰基)-β-D-葡萄糖苷、紫云英苷。所建立的基准评价方法为桑叶配方颗粒质量标准的制定及其后续大规模生产提供了数据基础。     

基于MBP算法和深度学习的人脸识别

为了解决在深度学习提取人脸图像特征时,易忽略其局部结构特征和缺乏对其旋转不变性学习的问题,提出了一种基于单演局部二值模式(MBP)与深度学习相结合的高效率人脸识别方法。首先,用多尺度单演滤波器对图像进行滤波,得到幅值和方向信息;其次,用LBP算法和象限比特的方法进行编码,分块计算组合其直方图特征;然后,将提取的单演特征作为深度信念网络(DBN)的输入,逐层训练优化网络参数,得到优异的网络模型;最后,将训练好的DBN网络在ORL人脸数据库上进行人脸识别实验,进行识别率计算,其识别率为98.75%。所提出的方法使用无监督的贪婪算法,隐藏层设定为2层,使用反向传播算法优化网络。相较于已知的人脸识别方法,MBP+DBN算法对光照、表情和部分遮挡变化具有较好的鲁棒性,在人脸识别中识别率较高,具有一定的优势,为图像特征提供了一种新的识别方法。     

城市造林工程农户行为意向影响因素研究——以北京市平原造林工程为例

以北京市平原造林工程为例,利用典型项目区调查数据建立结构方程模型,探讨影响退耕农户行为意向的主要因素。结果表明:农户综合素质、家庭经济基础和农户土地依赖性对农户满意度和农户行为意向具有显著正向影响;同时,农户综合素质、家庭经济基础和农户土地依赖性还会通过农户满意度对农户行为意向产生影响。据此,后续城市造林过程中应进一步加强对农户满意度的服务工作,同时根据个体农户特征,对被征地农户在再就业、技能培训、农地补偿等方面开展更具针对性的服务工作。     

较差质量数据下的返回弹道计算及对落点影响的分析

针对某老式卫星返回时雷达跟踪数据曾发生的测量异常及质量较差等情况，为解决此类数据在返回弹道及落点计算中出现的实际困难以及给出应对措施，基于工程实际情况给出了三种不同建模类型下的弹道计算方法——当前统计解耦扩展卡尔曼滤波（EKF）、动力学建模无迹卡尔曼滤波（UKF）、多项式滑窗最小二乘估计算法，并应用该次质量较差的实际观测数据进行了算法应用效果分析与落点计算情况对比，对计算中的经验及教训进行了总结。研究结果表明，所给出的三种算法在面对较差质量数据时性能差异较大，在工程实际应用中可考虑将多种算法互为参考。研究结果及其经验教训对卫星返回弹道及落点的实时估计的工程实施有一定的参考价值。     

一种资源视角的关系特性分析与建模方法

为满足联合作战条件下信息系统对资源数据灵活组合应用的需求，从作战资源视角出发，聚焦资源的关系特征维度，开展了资源与资源、资源与功能的关系特性分析，确定了各类关系的概念内涵、基本属性及关系特征要素集的组成，同时研究了资源视角关系特征的表征方法，并针对资源能力溯源及资源能力认知等展开了关系特征模型应用分析。通过资源视角关系特性分析与建模，可提高信息系统对资源的快速组织和应用能力，为从事军事资源联合运筹与信息系统研制提供参考。     

基于车辆数据的k近邻联合概率数据关联算法

在交通场景中采用一些预警措施能够有效地减少交通事故发生。例如，对车辆轨迹进行跟踪并预测车辆的驾驶行为，就是一个常用的预警方法。在对车辆进行跟踪的过程中，数据关联是很重要的部分，它可以对车辆的观测点和轨迹进行关联，从而更新车辆的轨迹，完成跟踪过程。在此背景下，提出了一种新的数据关联算法，即k近邻联合概率数据关联算法(k Nearest Neighbor-Joint Probability Data Association,kNN-JPDA)。实验结果表明，该算法能够较好地解决在交通场景下车辆数据的数据关联问题，在精度以及运行效率方面都有所提高。     

利用改进特征金字塔模型的SAR图像多目标船舶检测

深度学习模型中的特征金字塔网络（Feature Pyramid Network，FPN）常被用作合成孔径雷达（Synthetic Aperture Radar，SAR）图像中多目标船舶的检测。针对复杂场景下多目标船舶检测问题，提出了一种基于改进锚点框的FPN模型。首先将特征金字塔模型嵌入传统的RPN（Region Proposal Network）并映射成新的特征空间用于目标检测，然后利用基于形状相似度距离（Shape Similar Distance,SSD）度量的Kmeans聚类算法优化FPN的初始锚点框，并使用SAR船舶数据集测试。实验结果表明，所提算法目标检测精确率达到98.62%，在复杂场景下与YOLO、Faster RCNN、FPN based on VGG/ResNet等模型进行对比，模型准确率提高，整体性能更好。     

利用频移动态特征的辐射源目标盲分选

利用辐射源目标的频移动态特征进行盲分选时，针对已有的分选方法不能很好解决非合作接收数据非周期、间断、交叠的问题，提出了一种改进的逻辑回归分选算法,将信号分选转化为轨迹分类的问题来处理。首先，借鉴多目标航迹起始模型中的M/N逻辑法的框架，设计新的数据关联门限，以建立目标起始曲线；其次，采用最小二乘拟合方法替代卡尔曼滤波，设计新的外推规则，建立载频变化预测曲线；分析新的接收数据与预测曲线的关联性，不断迭代回归或形成新的分支，最后获得目标分选结果。仿真与实测试验表明，利用逻辑回归分选算法，对不同运动目标搭载的同频辐射源可进行自动分选，4个仿真目标与2个真实目标的分选正确率达到100%。同时，该方法拓展了辐射源目标盲分选中的动态频移特征应用，为辐射源个体识别提供了新的支持。     

基于LBPH算法的人脸识别算法研究与设计

人脸识别技术是一种根据人脸的特征信息进行身份判定的技术,此技术经过几十年的发展,由弱人工智能向强人工智能转化,论文提出了一种Python语言利用LBPH算法提取人脸特征、实现人脸识别的方法。