基于Lib-SVM的损益调整类财务报告舞弊识别模型研究——来自中国证券市场的证据

文章以2004-2009年间因调整损益而受到证监会处罚的56份年度财务报告为研究对象,采用Lib-SVM分类算法,将所有样本分为训练样本和测试样本,运用训练样本构建了我国上市公司损益调整类财务报告舞弊的识别模型,运用测试样本检验了模型的预测精度.结果表明,识别效率较高的RBF核函数模型的预测精度达到86.67％,模型的总体正确率为87.5％.     

基于费歇判别的企业经营状况评价模型

以2009年的60家企业作为训练样本,构建了以每股收益、每股净资产、净资产收益率、每股现金流量为主的企业经营状况的指标体系,并通过SPSS软件建立了基于费歇判别的企业经营状况的评价模型。最后利用该模型对60个训练样本的经营状况进行了回判,并将2009年的40家企业作为验证样本对该模型的推广能力进行了检验。仿真结果表明,基于费歇判别的企业经营状况评价模型是一种较为有效的评价方法。     

基于孤立点消除合理选择训练样本的物流预测

为了提高物流需求的预测精度,提出一种基于消除孤立点合理选择训练样本的物流预测(IFCM-RBFNN)。首先采用密度方法识别和剔除原始物流需求数据中的孤立点,消除孤立点对聚类结果的不利影响;然后采用模糊均值聚类(FCM)算法对物流需求数据进行聚类,选择最优训练样本集;最后采用RBF神经网络建立物流需求预测模型,并采用仿真实验对其性能进行测试。仿真结果表明,相对于对比模型,IFCM-RBFNN提高了物流需求的预测精度,预测结果更加可靠。     

一种基于神经网络模型的在线修正优化控制

文章针对采用离线的批处理方法进行学习训练的神经网络模型,当训练样本较大时,因学习时间冗长,不能进行在线修正的问题,提出了一种在线学习方法。     

BP神经网络在企业绩效评价中的应用

文章在分析传统绩效评价方法的基础上,构建了企业绩效评价体系,运用基于Matlab的BP神经网络算法,以企业历史数据作为BP神经网络的训练样本进行了实证研究,证明了将BP神经网络应用于企业绩效评价中,能达到令人满意的评价效果.     

BP神经网络在企业绩效评价中的应用

文章在分析传统绩效评价方法的基础上,构建了企业绩效评价体系,运用基于Matlab的BP神经网络算法,以企业历史数据作为BP神经网络的训练样本进行了实证研究,证明了将BP神经网络应用于企业绩效评价中,能达到令人满意的评价效果。     

基于BP神经网络的房地产预警研究——以沈阳为例

本文利用BP神经网络对房地产市场进行预警研究,选取了沈阳2005年²011年的预警指标数据,作为训练样本和检测样本进行仿真训练,其训练效果有着较好的可信度,该模型能够较好反应出警兆指标和房地产市场警情之间的关系,可以用于市场预警。     

BP神经网络在企业绩效评价中的应用

当今的企业绩效评价方法已经不适用于企业的发展,为了建立企业绩效综合评价模型,在由基本的财务指标构成的财务分析体系基础上,将BP神经网络应用于绩效综合评价中,以企业历史数据作为BP神经网络的训练样本,用训练好的BP网络评价企业当期各方面的绩效,能达到令人满意的评价效果。     

基于BP神经网络的西安市宏观经济预测

宏观经济系统是一个复杂的非线性系统,对宏观经济进行预测应采用非线性的工具进行建模。采用BP神经网络对西安市宏观经济指标进行预测,此预测模型只需少量训练样本就可以确定网络的权值和阈值。实验表明模型预测精度高,能够对西安市宏观经济系统中的非线性关系进行描述,使建立的非线性模型与实际系统更加接近。     

基于径向基函数网络的教师教学质量评价

高校教学质量的评价是一个多因素、多变量、模糊的非线性过程。运用RBF神经网络建立教学质量评价模型,可以较好地解决传统评价模型中数学模型难以建立、评价因素相关、评价主体主观因素影响等问题。选定训练样本,确定网络结构和参数,经过训练得到RBF网络,并进行了仿真验证。结果表明,该方法具有广泛的适用性。     

工程结构损伤识别的高斯过程方法

文章针对已有工程结构损伤识别方法的局限性,提出一种基于高斯过程方法的结构损伤识别方法。该方法通过对少量训练样本的学习,建立结构损伤识别特征参数与结构损伤位置和损伤程度之间的复杂非线性映射关系。研究结果表明,该方法是可行的,与人工神经网络方法相比较,具有识男精度高、模型参数自适应获取等优点,对工程结构损伤识别具有良好的适用性。     

基于BP神经网络的工作岗位评价系统设计

本文在建立工作岗位评价指标体系的基础上,设计了一种基于BP神经网络的工作岗位评价系统。为了克服传统BP神经网络容易陷入局部极小、收敛速度慢等缺点,通过增加动量项、学习率的自适应调整等改进方法建立新型的BP网络,采用层次分析法生成网络训练样本。该评价系统有效地利用了BP神经网络的优点,避免了工作岗位评价过程中的一些人为失误。仿真试验表明,该评价系统取得了令人满意的结果。     

基于神经网络的框架结构损伤诊断的探讨

利用神经网络技术对框架结构的损伤位置和损伤程度进行了研究。用有限元模态分析技术对平面框架结构的损伤情况进行了模拟,得到一系列频率、竖向位移、水平位移变化数据,将这些数据和损伤位置、损伤程度之间的映射关系作为网络训练样本,解决了以往对于对称结构损伤位置判断的难题,同时提出了用分步输出的方法解决了神经网络技术在框架结构应用中训练速度慢、不易收敛的问题。     

基于SVM的虹膜识别技术

文章主要阐述了基于支持向量机方法进行虹膜识别,首先利用虹膜处理系统对采集到的虹膜图象预处理,得到条形图象,然后利用主元分析方法(即PCA方法)进行特征提取,以达到降维的目的,得到的一个训练样本对应一个40维的向量,最后利用支持向量机使用序列最小优化算法进行虹膜识别。平均识别率达到了94.3%,结果表明本文的方法取得了较好的效果,降低了训练时间,提高了训练效率。     

非调节利润财务报告舞弊识别研究——来自中国证券市场的证据

文章以2004～2009年间因非调节利润财务报告舞弊而受到证监会处罚的上市公司为研究对象,在分析舞弊公司财务特征和公司治理机制特征的基础上,采用2001年～2004年的公司数据作为训练样本集构建了财务报告舞弊识别的Logistic回归模型,并结合2005年～2006年的公司数据,对识别模型的预测精度进行了检验.结果表明,模型的预测精度达到83.33%,说明模型对识别后续年度的财务报告舞弊有一定的参考价值.     

基于Python朴素贝叶斯分类器的营业收入审计可靠性研究

中国上市公司数量与市值持续增长，审计行业出现更多需求的同时也面临执业质量的挑战。朴素贝叶斯模型已经在制造业、网络安全等领域得到成熟应用，文章选取上市公司及其子公司的营业收入审计底稿作为训练样本与测试集，基于Python朴素贝叶斯分类器，依据执行的审计程序抓取相关特征，以探究朴素贝叶斯模型在判断营业收入科目审计结论的准确程度，并展望该模型在审计领域的应用前景。     

基于多层感知器住宅工程造价预测研究

住宅工程的投资费用影响着工程决策、投资经济效益等多方面,设计方案的选择影响着工程全生命期造价。本文针对山东省潍坊市4个县市区的24个工程案例,采用MLP神经网络进行模型构建,确定了16个影响造价的主要因素作为网络输入变量,并对输入参数进行归一化处理,其中20组作为训练样本,4组作为检验样本,对建筑工程项目造价进行准确的预测。经检验,基于MLP模型进行住宅工程造价估算,其预测精度符合工程投资估算标准要求。     

训练样本分布不均的KNN分类改进算法

分类是数据挖掘的重要组成部分,它根据类标号已知的数据建立模型,进而使用该模型来预测类标号未知的数据所属的类。KNN方法作为一种简单、有效、非参数的分类方法,在文本分类中得到广泛的应用,但是这种方法在训练样本的分布不均匀时会造成分类准确率的下降。针对KNN方法存在的这个问题,本文提出了一种基于相对距离的KNN分类方法,这种方法减少了边界点处测试样本的误判。实验结果显示,这种方法具有很好的性能。     

基于灰色关联的多元回归财务预警实证研究

灰色关联度分析由灰色系统理论提出,其理念为在系统发展过程中,若两个因素同步变化程度高,则认为两者之间的关联较大;反之,则两者关联甚小。因此,灰色关联度分析对一个系统发展变化态势提供了量化的度量,非常适合动态的历程分析。而企业的发展正是这样一个动态的过程。在运用灰色关联度分析得出各指标的滞后期后,将更加准确的截面数据作为训练样本,建立多元回归财务预警模型。实证结果证明,分行业建立财务预警模型是十分必要的。     

激光切割表面质量预报的Fisher判别分析

基于Fisher判别分析理论，综合考虑影响激光切割表面质量的3个方面：激光系统固有参数、激光切割加工过程中任意可调参数及被切割材料的物性参数，选取激光功率、切割速度、辅助气体压力、材料厚度及焦深5个因素作为判别因子，并以切割表面粗糙度作为质量级别划分依据，利用实测的24组样本数据作为训练样本，建立激光切割表面质量分类器，结果表明该方法具有良好的识别性能，是一种有效的预报方法。