上市公司财务失败预警研究

财务失败是指公司无力支付到期债务的经济事项。只要公司存在就会有财务风险,当财务风险积聚到一定程度时,如果不能及时采取化解措施或采取的措施不力,公司就会陷入财务失败的困境。国内外学者对有关财务失败预警进行了相关研究,这些统计模型具有不可克服的缺陷,因此在建立上市公司财务失败预警模型时应注意一些相关问题。     

基于支持向量机的上证指数预测研究

基于支持向量机的预测模型对上证指数进行预测,并将其预测结果与BP神经网络的预测结果进行对比,其结果表明,支持向量机的预测模型具有较高的拟合和预测精度并优于BP神经网络模型,且支持向量机预测方法计算速度快,准确率高,具有很好的推广应用价值。     

基于核Fisher鉴别分析的网络入侵检测算法

提出了一种将核Fisher鉴别分析特征抽取与多分类支持向量机算法结合的网络入侵检测技术,扩展了二分类支持向量机．利用经过核Fisher鉴别分析特征抽取后的训练数据构造优化的决策树,从而实现支持向量机的多分类。实验结果表明该算法能够提高检测正确率,同时降低训练时间,取得了良好的效果。     

Artificial Neural Systems as a Research Paradigm for the Study of Group Decision Support Systems

Artificial neural systems (ANSs) have received interest recently because of their ability to accurately forecast and classify data. Group decision support systems (GDSSs) also have received much interest for their support of group communication and decision making. This paper explores the potential of the ANS as a methodology for modeling the many complex, interrelated research variables involved in the field of GDSS. As an illustration, multilinear regression, an ANS with backpropagation, and an ANS with a genetic algorithm were developed to classify 133 subjects into verbal or GDSS groups based on their responses to a questionnaire. The ANSs with backpropagation and the genetic algorithm achieved higher classification accuracies (81.8 and 90.9%, respectively) than was achieved with multilinear regression (75.8%). Therefore, an ANS may more accurately model the many interrelationships occurring with GDSS group behavior.     

Fisher判别分析及R语言实现

多元统计Fisher判别分析方法已被广泛应用于自然科学和社会科学的各个领域。而在现实处理多元数据Fisher判别分析中,利用R软件是最方便、最简单、最易学的。R软件由于其免费、开源、强大的统计分析及其完美的做图功能已得到越来越多人的关注与应用,而且,根据不同的情况,可以修改别人的程序,比较方便。     

基于主成分分析和独立成分分析的调制分类算法

基于主成分分析（PCA）和独立成分分析（ICA）,提出了一种新的调制分类算法。算法采用PCA对样本数据降维、去除冗余成分,采用FastICA方法提取分类特征;采用支持矢量机（SVM）作为分类器,以解决数据在低维空间中的不可分问题。该算法具有较低的复杂度和较高的训练速度。仿真表明,与最大似然（ML）算法相比,算法仅具有1.8 dB的信噪比损失,在Rayleigh慢衰落信道和中速运动的条件下,算法对5种QAM调制类型具有较好的分类性能。     

联合循环平稳特征PCA与RVM的频谱感知

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于循环平稳特征主成分分析(PCA)与相关向量机(RVM)的认知网络频谱感知算法。该算法结合了主成分分析算法与相关向量机分类方法,应用于解决认知网络频谱感知问题。首先对信号循环平稳特征参数进行特征提取,通过主成分分析进行降维提取信号主成分,生成训练样本和待测样本,并完成对相关向量机的训练,再采用训练完成的相关向量机算法分别对有无主用户情况下的信号进行分类检测,最后获得主用户信号存在性的感知判断。仿真实验表明,与人工神经网络、支持向量机和最大最小特征值算法相比较,所提算法在低信噪比情况下具有较高的分类检测性能,检测率最大可提高61.6%,有效地实现了对主用户信号的感知。     

酒店企业相对效率的定量评价方法

中国酒店业迅速增长的规模总量与其经营效益持续下滑形成鲜明的对比,随着外商投资政策壁垒的消除,国际饭店集团已经加快进入中国的步伐,以“网络化、国际化、品牌化”为主题的酒店业的竞争更加激烈。提高酒店的投入产出比,提高经营效益是实现酒店业可持续发展的根本途径。     

干扰环境下的信号调制识别

针对干扰环境提出了一种基于独立成分分析（ICA）和支持矢量机（SVM）的通信信号调制识别算法。算法利用多天线接收技术,采用独立成分分析方法寻求观测样本矢量的统计独立分量,设计了以二值支持矢量机（SVM）为基础的多值分类器,该算法具有较高的训练速度和较好的分类性能。仿真表明,当信干比大于10 dB、移动速度小于12 m/s时,算法的总体正确识别率超过0.9。干扰环境下的信号调制识别研究具有较重要的实际工程应用意义。     

银行业高管竞争力评价模型及实证分析

在建立银行业高管竞争力评价指标体系基础上,构建了主成分分析(PCA)和支持向量机(SVM)相结合的竞争力评价模型。对原始指标数据进行标准化处理,运用主成分分析消除指标之间的冗余和相关,并在MATLAB 6.5中运用支持向量机对银行业高管竞争力进行评价。实证结果表明该方法是适用于我国银行业高管竞争力评价的有效方法。     

基于加权支持向量机的金融时间序列预测

金融时间序列数据的预测是商业领域的热点问题,对金融时间序列进行准确的预测,对金融投资决策与风险管理具有特别重要的意义。针对金融时间序列的特点,对传统支持向量机进行了改进,提出了基于加权支持向量机的金融时间序列预测方法。研究表明,与传统金融时间序列预测方法比较,基于加权支持向量机有效地提高了金融时间序列预测的精度。     

类别不平衡条件下的雷达信号识别

在实际电子侦察过程中,由于各种原因,侦收到的不同类型信号数量相差很大,类别之间严重不平衡,常规方法在这种数据集下训练得到的分类器不能有效识别少数类。针对这一问题,首先采用栈式自编码器对中频数据进行降维和特征提取;然后在降维后的特征空间内通过多种过采样方法生成新的少数类样本,使数据集重新平衡,并利用再平衡后的数据集训练支持向量机分类器;最后采用F分数和受试者工作特征（Receiver Operating Characteristic,ROC）曲线两种评价方法对分类效果进行评价。实验结果表明,通过过采样处理,分类器对少数类的识别性能有所提升。     

基于局部极值共生模式和能量分析的烟雾检测

针对烟雾稀薄的场景提出了一种新颖且具有鲁棒性的视频烟雾检测方法,该方法主要由预处理、特征提取和图像分类三个阶段组成。在预处理阶段,使用背景差分算法提取视频帧的运动前景区域,并采用HSV颜色空间作用于运动前景区域识别烟雾像素;然后使用局部极值共生模式(Local Extrema Co-occurrence Pattern,LECoP）计算纹理特征和使用烟雾能量分析计算能量特征;最后,将特征矢量融合训练支持向量机（Support Vector Machine,SVM）用于识别烟雾。实验结果表明该方法能有效检测出烟雾。     

基于机器学习的压缩域镜头分割技术

为了进行视频结构化和视频内容分析,需要准确有效地提取视频镜头的边界信息.为此提出了一种利用支持向量机(SVM)学习压缩域特征的算法进行镜头边界检测,只需简单译码即可得到MPEG1/2等各类视频流压缩域的特征信息.经TRECVID2005镜头边界检测集的评测,该算法在保证查全率和检测精度的情况下获得了满意的效果.     

基于组合评价的纺织行业财务风险预警模型研究

将主成分分析（PCA）和最小二乘支持向量机（LSSVM）结合,提出了一种适用小样本空间的财务风险模型：PCA—LSSVM模型。以传统年度财务指标为基础,通过主成分分析,简化了输入变量,并利用LSSVM作为判别企业风险等级的工具。该模型可以在纺织行业中的上市公司选中1个或多个企业参与,避免了传统算法模型在解决财务风险预测的缺陷。算例结果表明了所提出模型能有效地提高预警方案的可行性,为财务风险的在线实施提供了方便。     

基于金融视角的核心通货膨胀预测简

文章对30%比率截尾法、SVAR法、方差修削法、持续性加权法、方差加权指数法和HP滤波法进行比较后,认为方差修削法更适合我国核心通货膨胀的测算。在此基础上,文章计算了我国2001年1月至2013年9月的核心CPI。在对多个金融指标进行筛选后,得到上证指数最低价、上证指数收盘价、深证指数最低价与核心CPI存在格兰杰因果关系。以上述三股票指数作为自变量,文章使用非参数支持向量回归（SVR）方法对我国核心CPI进行了短期预测,得到未来5个月我国仍将处于波动不大的通货膨胀阶段,通胀趋势为先降后升。     

基于小波网络的非线性预测应用研究

将小波神经网络作为非线性时间序列的辨识模型 ,通过对过去样本的学习 ,调整网络的权值 ,然后预测和推断未来序列 ,以证券市场为例仿真结果表明 ,小波神经网络具有优良的泛化能力和预测功能。     

供应链需求预测中的神经网络预测技术应用分析

本文认为,解决供应链上游企业准确理解下游企业所提供的订货信息,进行科学的市场需求预测是供应链管理中具有战略性和规划性决策的问题。基于市场准确预测的协作计划预测和补货技术(CPFR技术)能及时准确地预测由各项促销措施或异常变化带来的销售高峰波动,从而使销售商和供应商做好准备,赢得主动。而构筑基于CPFR技术的供应链需要良好的预测方法和技术以及信息系统的支撑。文章指出,基于误差反传算法的神经网络(BP神经网络)作为一种对复杂经济现象进行分析和预测的有效工具,在有大量数据和长期学习过程的情况下,能发挥出更大的优势和性能,加之其具备自学习和自适应能力,能适时调整流程企业产品销售的信息误差,对供应链的决策系统起到精确的辅助作用。文章建立的基于协作计划预测和补货(CPFR)数据库的供应链需求预测支持系统的流程框架,以及在此基础上提出的基于BP神经网络的供应链需求预测模型,可以提高预测精度,有效避免评价过程中的人为失误,取得令人满意的预测结果。     

一种基于Radon变换的微表情识别算法

微表情是人们处在一些与平时生活环境不同的高强度环境下试图控制和掩饰的情感表现,也是一种不曾意识到的瞬时脸部表情,持续时间短,强度弱。为了提高其准确率,提出了基于Radon变换的微表情识别算法。首先,对数据库中的视频序列进行灰度归一化、尺寸归一化和二维主成分分析法（Two-dimensional Principal Component Analysis,2DPCA）降维预处理,使用光流法对降维后图像提取运动特征;然后使用Radon变换算法对光流图像进行处理,得到对应微表情的特征值和特征图像;最后使用支持向量机进行微表情分类识别。实验结果表明,使用Radon变换后得到的微表情特征图像得到了较好的识别效果,在微表情数据集CASME和CASMEⅡ上识别率分别为81.48%和82.17%,通过与选取的其他方法对比说明了该方法具有更好的识别性能。     

支持向量机在说话人识别系统中的应用

支撑向量机(Support Vector Macbinc,SVM)是一种新的统计学习方法,作为一种说话人识别的手段具有独特的优势.通过产生的支持向量来概括数据集合中的信息,其分类核函数仅依赖于一小部分训练样本,即支持向量,从而降低信息的采集量和识别时间.本文介绍了说话人识别的基本原理,特征提取、模型训练等方面,通过实验证明支撑向量机(SVM)在说话人识别系统应用中表现出的良好性能.