两种减少噪声对双支持向量机影响的方法

双支持向量机是Jayadeva等人在2007年提出的一种新的支持向量机.在处理模式分类问题时,双支持向量机的训练速度远远超过传统的支持向量机,计算效率大约是传统支持向量机的四倍.但双支持向量机没有考虑到不同样本点对最优超平面所产生的影响,而是同等对待所有的训练数据样本来构造最优超平面,从而无法降低噪声对分类面的影响.为了克服这个缺点,总结提出了两种方法,一是将模糊技术应用于双支持向量机中,对不同的样本采用不同的惩罚权系数,找到适合的隶属度函数来提高双支持向量机的分类准确率;二是将超球体技术与双支持向量机相结合,清除数据样本中的噪声,减小系统结构误差.实验证明这两种方法能有效的减少噪声的影响.     

基于改进AdaBoost算法的动态不平衡财务预警模型

研究目标:构建动态不平衡财务预警模型以同时处理概念漂移和数据分布不平衡问题。研究方法:在改进AdaBoost算法的基础上,以代价敏感支持向量机为基分类器构建ADA-CSSVM-TW模型,并利用我国2010～2020年制造业公司数据进行分析。研究发现:ADA-CSSVM-TW模型可显著提高预测准确率,性能良好,模型稳健。研究创新:将代价敏感支持向量机作为改进AdaBoost算法的基分类器,建立动态不平衡预警模型。研究价值:对我国上市公司有效防范财务困境具有重要的理论价值和现实意义。     

上市公司财务报告信息操纵预警研究

本文建立了上市公司财务报告信息操纵预警模型,通过构建信息群来解决财务报告信息操纵预警研究中的信号指标确定问题,并使用人工神经网络和支持向量机测试其分类准确性.     

上市公司财务报告信息操纵预警研究

本文建立了上市公司财务报告信息操纵预警模型,通过构建信息群来解决财务报告信息操纵预警研究中的信号指标确定问题,并使用人工神经网络和支持向量机测试其分类准确性。     

基于Logistic—SVM的上市公司总经理离职行为预警模型研究

文章在建立上市公司总经理离职行为预警指标体系基础上,提出了Logistic和支持向量机（SVM）相结合的上市公司总经理离职行为预警模型。对原始指标数据进行标准化处理,然后通过Logistic回归分析对SVM的输出提供支持信念以修正支持向量机的结果。     

企业财务预警要素分析及其应用

财务预警研究一直是中西方财务理论界多年来探讨的前沿课题.截止到目前为止,研究方法主要有指数预警法、统计预警法和模型预警法,使用较多的是建立多元线型函数模型.综观学者们建立的财务预警模型,其模型虽有不同,但共同之处均包括三个基本要素,即财务指标、指标系数、破产警度.其中,财务指标是预警前提,指标系数是预警关键,破产警度是预警结果.本文试从应用的角度分析预警要素,讨论企业财务预警方法.     

基于FMTSVM的企业财务危机预警研究

财务危机给企业管理人员和广大利益相关者带来巨大负面影响,如何事先识别财务危机发生的征兆,并对管理者进行预警已成为当前财务管理研究的热点.针对目前财务危机预警中存在样本数据不均衡、野值噪声干扰等难题,提出一种基于模糊间隔孪生支持向量机(FMTSVM)的财务危机预警模型,并使用2018—2019年间被证交所ST的66家A股上市企业数据作为财务危机企业样本,综合财务及非财务指标,对模型进行实证研究.结果证明:与目前应用较为广泛的Logistic、支持向量机等预警模型相比,模糊间隔孪生支持向量机在模型预警精度、噪声野值下的抗干扰性、不平衡数据下的稳健性和分行业中的泛化性等方面都有明显优势,具有一定的理论和应用价值.     

房地产企业财务风险智能预警研究

近年来我国政府相继出台一系列针对房地产行业的调控政策,使本就对宏观经济环境非常敏感的房地产企业面临巨大的财务风险。为使房地产企业更好的认识自身财务风险,文章运用智能方法———支持向量机方法,结合20家上市房地产公司财务数据对房地产企业的财务风险预警展开研究,取得了很好的效果。为房地产企业财务风险在智能预警领域的研究提供了新思路。     

基于启发式SVM的入侵检测系统研究

文章针对支持向量机参数一直存在根据经验确定不足的问题,提出将启发式支持向量机快速学习算法应用于入侵检测系统中。为了使支持向量分类机获得更好的分类性能,该算法提出以启发式规则选取对分类器最有利的样本进行训练,以确定支持向量机的参数,并采用内积矩阵分解算法提高分类速度,达到提高学习速度的目的。实验表明该算法在入侵检测系统中的应用优于标准支持向量机算法。     

基于支持向量机财务预警模型的实证研究

本文结合主成分分析法和支持向量机模型,构建了一种新的上市公司财务困境预警模型,并对我国A股上市公司中80家因为“财务状况异常”而被“ST”的公司进行预测,结果表明效果理想。     

基于内部控制的多维财务预警系统设计

财务出现风险或危机,有一个逐步显现征兆或先兆的过程,即财务警兆的显示过程。该过程具有时间上的"继起性"和空间上的"并存性"特征。基于此,本文用"内部控制理论"和"周期波动理论"来识别不同区域、不同行业、不同规模企业的财务风险预警警兆,构建了一个分行业财务预警警兆识别系统,并由此形成一个多维财务预警警兆显示雷达图。     

基于支持向量机的柴油机故障诊断

本文研究了基于支持向量机的故障诊断方法。以传感器检测数据为输入,利用v-支持向量分类机进行故障分类识别。通过对柴油机燃油压力波动信息和柴油机振动监测数据的处理分析,结果显示基于支持向量机的故障分类器能够在样本有限的情况下出色的完成多种故障的诊断分类。     

基于内部控制的多维财务预警系统设计

财务出现风险或危机，有一个逐步显现征兆或先兆的过程，即财务警兆的显示过程。该过程具有时间上的“继起性”和空间上的“并存性”特征。基于此，本文用“内部控制理论”和“周期波动理论”来识别不同区域、不同行业、不同规模企业的财务风险预警警兆，构建了一个分行业财务预警警兆识别系统，并由此形成一个多维财务预警警兆显示雷达图。     

战略性新兴产业上市公司财务风险智能预警研究

本文以中国战略性新兴产业上市公司为研究对象,运用主成分分析(PCA)方法提取出对财务风险具有显著影响的特征指标,以此作为输入变量将粒子群算法(PSO)、遗传算法(GA)、网格搜索法(GS)分别与支持向量机(SVM)相结合构建财务风险预警模型,进而以样本集分类准确率和第一、二类错误率为标准对模型的可靠性进行对比研究。实证结果表明,PCA-PSO-SVM模型具有最为优越的学习能力与泛化推广能力,能够最为准确地预测财务风险,从而为我国监管机构和企业管理层提供可操作性的应用工具与方法。     

企业管理二分类问题研究综述——基于支持向量机

通过梳理企业管理领域的二分类问题，发现二分类支持向量机广泛应用于客户流失预测、上市公司财务困境预警和信用风险评估。并且为了提高预测精度，学者不断改进该模型：为适应具体数据特征，如数据存在外点或噪声点、非平衡性、重叠性、错分代价差异性等，相应引入模糊、加权、双隶属支持向量机以及代价敏感性学习机制等。     

企业管理二分类问题研究综述--基于支持向量机

通过梳理企业管理领域的二分类问题，发现二分类支持向量机广泛应用于客户流失预测、上市公司财务困境预警和信用风险评估。并且为了提高预测精度，学者不断改进该模型：为适应具体数据特征，如数据存在外点或噪声点、非平衡性、重叠性、错分代价差异性等，相应引入模糊、加权、双隶属支持向量机以及代价敏感性学习机制等。     

支持向量机技术及其应用研究

支持向量机(SVM)是建立在统计学习理论基础上的一种小样本机器学习方法,本文主要介绍了支持向量机的基本原理,多类分类的研究现状。最后介绍了支持向量机的典型应用。     

基于支持向量机的消费者行为分类方法

"大数据"时代的来临,企业更加重视通过数据分析来洞察消费者行为,以实现更为精准的营销模式。现有对消费者行为的分类方法主要有层次分析法,聚类,贝叶斯网络等。文章引入支持向量机的方法应用在消费行为分析中,它是在统计学理论基础上发展起来的一种新的模式识别方法,在解决有限样本,非线性及高维模式识别问题中表现出许多特有的优势。最后,文章利用广东省烟草公司的实际调研数据进行支持向量机的训练。文章发现,相比于传统的消费者行为分类方法,支持向量机用于消费者行为分析是一种更精确有效的分类方法。     

支持向量机在财务危机预警中的应用评析

信息技术的迅速发展和世界经济全球化使很多企业面临各种各样的经营困难,最终体现为财务危机。提前对其进行预警以协助企业有效地规避财务危机是十分重要的。随着研究的深入,各种财务危机预警方法逐渐成熟。本文从样本选择、模型建立和预测性能3方面对支持向量机（SVM）在财务危机预警领域的应用进行了评析,认为SVM方法具有强大的分类功能和优良的学习性能,在财务危机预警领域有着广阔的应用前景。     

基于信息披露质量的财务预警研究

本文将信息披露质量引入财务预警指标体系中,采用支持向量机（SVM）财务预警模型,研究处于不同生命周期阶段的企业在引入信息披露质量前后财务危机预测准确性的差异,然后利用决策树（DT）模型分析信息披露质量在财务预警体系中的重要程度。实证结果表明,引入信息披露质量的 SVM财务预警模型,其准确率在成长期、成熟期和衰退期均有一定的提高,导入期则没有发生变化;对于处于不同生命周期阶段的企业,信息披露质量对财务预警的影响程度具有一定差异：成熟期企业影响程度最大,成长期和衰退期企业影响程度较大,而导入期企业影响效果不明显。因此,合理引导公司信息披露,对于降低上市公司发生财务危机的概率具有重要导向效应。