基于LapSVM的物流编号图像自动识别算法

根据目前物流编号识别效率和精度低的缺陷,提出一种基于图像处理和Laplacian支持向量机(Lap SVM)的物流编号自动识别算法。该算法通过图像采集设备获得物流编号图像,对图像进行预处理和数字字符分割,接着对各个数字字符图像进行特征提取,同时利用标记样本与未标记样本来训练支持向量机(SVM)分类器,实现很少标记样本下的精确字符分类,从而达到编号识别的目的。     

基于改进FOA的SVM参数优化研究

为了提高支持向量机(SVM)分类性能,同时针对果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的特点,提出了一种改进的FOA算法(LFOA),并将其应用于SVM的参数寻优中。该方法在运算个过程中根据果蝇种群的进化程度,动态的将种群分为较差子群和较优子群;较差子群在最优个体的指导下以基本FOA算法进行全局搜索,较优子群则围绕最优个体做Levy飞行,进行精细化局部搜索;两个子群的信息通过全局最优个体的更新和种群个体的重组进行交换。通过对UCI数据库中几个经典数据集的分类测试结果表明,基于LFOA优化SVM参数能够提高SVM的分类性能,效果优于其他几种方法。     

公司信用风险评估新模型:基于Isomap的SVM模型

本文针对样本数据较少的特点,将基于小样本的支持向量机(SVM)方法用于我国上市公司信用风险评价中。由于考虑到财务数据特征的非线性和高维性,本文采用等距特征映射(Isomap)算法对财务指标进行特征提取,以减少数据的冗余,再针对人为选择SVM参数的盲目性,应用遗传算法优化其参数。最后通过以我国上市公司财务数据为基础的实证分析表明:基于Isomap的SVM模型比BP神经网络、PCA-SVM模型具有更强的信用风险评估能力,小样本评估准确率达到91%。     

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。     

多分形互联网金融市场的风险预警模型研究

研究目标:提出基于多分形特征的互联网金融市场风险状态的划分方法,构建非平衡数据集的互联网金融风险预警模型。研究方法:采用日收益率和多分形波动率衡量互联网金融风险并划分风险状态,提出一种利用SMOTEENN采样算法与SVM模型相结合的互联网金融风险预警模型,选取中证互联网金融指数进行实证分析。研究发现:SMOTEENN-SVM模型可以显著地提高SVM模型的预测精度,具有优越的预测性能。研究创新:通过日收益率和多分形波动率刻画互联网金融风险状态,并将SMOTEENN采样算法与SVM模型相结合,建立非平衡样本的互联网金融市场风险预警模型。研究价值:为研究互联网金融风险预警提供新的思路,对防范化解互联网金融风险具有重要的现实意义。     

我国房地产上市公司绩效测算与比较

为了解我国房地产企业的绩效状况,以经济增加值作为绩效的代表指标,选取沪深A股91家房地产上市公司为样本,测算其2001-2012年绩效并开展产业内外的对比分析。结果显示:(1)2001-2012年,以经济增加值衡量的样本房地产上市公司绩效均值为0.99,不同房地产上市公司之间绩效差异程度较大,低于平均绩效水平的样本公司数量较多,样本公司的绩效均值在2006年以前为负,2006年以后为正;(2)房地产上市公司的绩效均值高于建筑业上市公司但低于制造业上市公司,不同所有权结构、地域和主营业务的公司绩效均值差异较大。     

预测VaR:高阶矩可行域未必越广越好

高阶矩可行域反映了分布函数对样本高阶矩特征(非对称和尖峰、厚尾等)的适应能力,是影响VaR预测绩效的重要因素之一。本文以中、美、英、日四个股市的收益为样本,实证比较了五种高阶矩可行域各不相同的分布函数的VaR预测绩效。结果发现,可行域过于宽广(狭窄)的分布易于高(低)估样本的偏度和峰度,并高(低)估VaR,而可行域适中的广义偏斜-t和偏斜-t分布的预测绩效相对较好。此结果可为后续研究改进VaR的预测绩效提供有益借鉴。     

非均衡样本视角下的中国商业银行竞争力预测——基于ADASYN-Balance Casecade-SVM智能模型北大核心

本文运用数据包络分析(DEA)方法对中国商业银行的竞争力水平进行测度,以此作为状态指标变量,并基于非均衡商业银行样本视角,将计算机科学的ADASYN和Balance Cascade两种非均衡样本处理方法与SVM人工智能方法相结合,构建ADASYN-Balance Cascade-SVM智能模型,进而与传统的SVM、ADASYN-SVM、BalanceCascade-SVM以及ADASYN-Balance Cascade-BPNN模型进行对比研究。实证研究结果表明,非均衡样本处理方法能够有效地解决商业银行的非均衡样本问题,同时,与其余预测模型相比,ADASYN-Balance Cascade-SVM模型具有最为优越的预测性能。     

基于支持向量机的绿色物流服务评价模型研究

采用一种基于支持向量机(SVM)的绿色物流服务质量评价方法,归纳了其评价指标体系的设计原则,给出了具体的评价指标体系,并采用模糊隶属函数等方法对其进行量化。将量化后的指标因素集作为SVM的训练集,采用一对一的分类策略建立了正确率高、实用性强的评价模型。     

基于粗糙集和支持向量机的商业银行信用风险评估模型

结合粗糙集理论的属性约简和支持向量机(SVM)的分类机理,提出一种数据分类的混合算法;建立了基于此算法的商业银行信用风险评估模型。模型以粗糙集属性约简作为预处理器,删除冗余属性和冲突对象,但不损失有效信息;然后基于SVM进行分类建模和预测。实证表明,创建的模型分类性能良好,降低SVM分类过程的复杂度,一定程度上避免了训练模型的过拟合现象。通过与SVM和神经网络模型的比较,证实该方法用于信用风险评估的有效性。     

PLANNING THROUGH THE EXCHANGE OF RIGHTS UNDER PERFORMANCE ZONING

This article sets out an approach to land-use planning involving the exchange of rights under performance zoning - the setting of performance standards in land use such as the protection of property owners from adverse impacts resulting from the use of nearby land. Performance zoning offers high levels of flexibility to landowners to pursue different uses of their property within the limits of agreed standards and reduces the role of bureaucratic and political processes in the implementation of planning regulations.     

上市公司可持续发展评价体系构建

目前,我国上市公司业绩评价体系门类繁多,但专门评价可持续发展能力的指标体系尚停留在探索阶段。本文在现有研究基础上,构建了上市公司可持续发展的实现模型,并选取定量指标,采用变异系数总指数法赋予权重,建立了上市公司可持续发展评价体系。以2003年我国电子行业上市公司为样本进行检验,结果发现,其结果与《2003年度中国上市公司业绩评价报告》具有一致性。     

Extracting cover sets from free fuzzy sorting data

Assignment of items to multiple categories requires suitable statistical methods. The present paper provides a new approach to solve this task. The concept of fuzzy sets is extended to cover sets (sets of overlapping clusters) in a simple manner introducing a vector of item membership sums. The application of the new concept is exemplified by modifying the fuzzy cluster analysis algorithm of Kaufman and Rousseeuw (Finding groups in data: an introduction to cluster analysis, 1990) to cover set cluster analysis appropriately. Wide equivalence of the numerical problems is demonstrated from Lagrange multipliers and Karush-Kuhn-Tucker conditions. Additionally, some extensions are introduced to the algorithm to improve its behavior for suboptimal large or small numbers of clusters. The adapted algorithm in most cases reproduces single sortings for correct numbers of clusters. Two applications to empirical free fuzzy sorting data sets are provided. Limitations of the algorithm are discussed.     

The housing market effects of discrete land use regulations: Evidence from the California coastal boundary zone

The California coast line borders some of the most beautiful and expensive land in the entire world. The California Coastal Commission was created in 1976 to protect the coast line and to regulate land use within the coastal boundary zone. This well defined regulatory boundary offers a unique opportunity to study the consequences of land use regulation on nearby housing located in the same political jurisdiction. Using two different geocoded data sets, we document gentrification within the boundary and discuss possible explanations for these patterns.     

特征选择在协同过滤推荐算法中的应用研究

用户-项目评分数据集的高维稀疏性使得传统的协同过滤处于"维度困境"。运用降维技术的特征变换方法的协同过滤算法虽然缩减用户-项目评分数据集规模,但在某种程度上导致信息损失。本文提出将特征选择方法和技术运用于协同过滤算法,并且给出了基于有监督特征选择的协同过滤框架及其协同过滤流程。     

Performance lies are hazardous to organizational health

Performance lies arise both from individual and from situational causes, but in this article, the attention is on situational causes. These are generally triggered by loyalty to the coalition, which is expressed through the continued use of performance lies. Because performance lies help create a boundary around the coalition that insulates its activities from top management, performance lies enable members of the coalition to exercise a greater degree of internal control. Naturally, such lies are dysfunctional, resulting in the avoidance of difficult issues and problems and compromising the organization's ability to adapt to a changing environment based on accurate information.     

一个新的银行信用风险评估方法

本文以银行信用风险管理为例，将粗糙集和决策树两种具有互补优势的数据挖掘方法相结合，对客户信用做出归类分析判断，最后利用决策树生成决策规则。实践证明，这种方法忠于原始数据，提高了分类准确度。减小了决策树规模，具有良好的性能。     

基于随机需求的物流配送网络规划决策方法

本文对不确定环境下的选址建模及求解进行了研究，建立了在模拟随机需求下的相关机会优化模型，提出一种将优化算法、随机模拟方法和遗传算法合成在一起，设计出的混合智能算法，为科学的网络决策规划提供帮助，最后进行数值演算。     

FP-Growth算法在电子商务中的应用

针对电子商务推荐销售的需求和FP-Growth算法不产生候选集的特性,提出利用FP-Growth算法,运用VC++程序开发工具,对某一电商卖家的数据进行频繁项集挖掘,针对挖掘得到的频繁K项集,指导卖家如何组合商品销售。试验结果表明利用FP-Growth算法在电商组合销售中是有效的。     

有时间窗的车辆路径问题改进蚁群算法研究

针对目前蚁群算法在求解有时间窗的车辆路径问题上较少对蚁群算法本身进行优化的问题,提出了一种改进蚁群算法,通过改进状态转移概率和信息素更新规则,以及使用改进的精英蚂蚁策略,改善蚁群算法搜索能力。通过对Solomon标准数据集的实验,结果表明改进的蚁群算法在求解有时间窗车辆路径问题上是有效的。