用神经网络对开式冷挤压极限变形程度的预测

给出了基于 BP网络的极限变形程度预测的分析方法 ,得到了开式冷挤压εmax神经网络计算结果 ,与实验结果比较 ,其精度较高 ,证明了神经网络模型在开式冷挤压工艺中应用的可行性。     

电力系统无功优化方法分析

本文介绍了无功优化的历史,总结了各种无功优化模型,分析了静态、动态两种无功优化方式,比较了当前存在的多种优化算法,提出了目前电力系统无功优化研究中存在的问题及发展趋势。     

基于社群挖掘及决策树模型的欺诈团伙检测

当前,团伙欺诈模式越来越普遍,不同场景、不同业务对应的欺诈行为也越来越多。根据实际业务场景,基于套现欺诈用户更易和套现欺诈商户有所关联,形成聚集效应的团伙欺诈假设,通过构建商户—用户交易行为二分图,建立模型评估指标体系,对比不同社群挖掘算法fastgreedy算法、infomap算法、walktrap算法效果,最终在满足运行速度最快的基础上,用fastgreedy算法挖掘出社群最具区分度。针对挖掘出的社区,通过构建社区相关特征变量以及用户商户特征变量,设定好、坏社群标签,使用机器学习中的决策树模型,将社区结果进行分级,找出最坏的社群聚集群体。     

基于动态WSN中分簇脉冲耦合时间同步开销研究

动态无线传感器网络（Wireless Sensor Network,WSN）在时间同步收敛速度最快情况下,为减轻网络负担、通信开销,提高时间同步速度,使同步具有针对性和方向性。文章根据MPCOs模型得到参数最优情况下,再利用分簇算法将网络分成若干份,最后根据移动式脉冲耦合振荡实现动态WSN时间同步。通过仿真验证C-MPCOs算法明显比MPCOs同步周期缩短了1.670 9 s。     

基于层次聚类推理的在线品牌诊断研究及其服装系统实现

本文从服装品牌在线评估与诊断的实际需要出发,研究了面向服装品牌的在线诊断评价体系,给出了在线品牌诊断模型,提出案例推理与规则推理相结合的一种层次聚类推理方法,并根据品牌诊断流程和映射算法设计了品牌诊断推理机制,给出了一个服装在线品牌诊断系统的实现。     

基于K-Means聚类算法的碳排放审计预警研究

随着我国碳达峰碳中和目标的提出,碳排放审计深受关注。2022年“3·15”国际消费者权益日,国内首批碳排放数据造假案例浮出水面。我国高度重视碳排放数据造假问题,把打击数据造假、加强数据监管作为一项重要政治任务。为积极响应国家绿色低碳相关政策,改善碳排放工作中的相关问题,本文进行了如下研究：基于机器学习中无监督学习方法——K-Means聚类算法为企业构建碳排放审计预警模型,通过识别偏离的异常点,判定企业是否存在碳排放风险;并以我国重点钢铁企业为例进行了仿真;最后针对企业数据管理以及审计人员专业能力提出了两方面的保障措施,确保预警模型能够行之有效。     

美国算法治理分析及思考

在算法风险现实发生和算法治理进入全球化时代的背景下,美国构建了以政府、企业行业、研究院所/机构为参与主体的多元共治模式,采用基于风险的重点领域治理、公共和私营部门兼治、打造算法治理逻辑闭环的治理策略,形成了以算法影响评估、算法披露、算法问责为框架的治理制度。美国算法治理经验,可为我国在算法治理模式完善、治理策略选择和治理制度构建方面提供有益的思考。     

中小企业股票市场化发行定价的半参数自组织模型与实证

随着深圳交易所中小企业板块的正式启动,我国中小企业新股发行的市场化定价方式必将启用。本文采用基于自组织数据挖掘GMDH算法的半参数模型的定价方法,将GMDH算法与半参数模型方法结合起来。不仅利用计算机的自动拟合优选最优复杂度模型,从而大大简化了非参数部分估计。创造了半参数模型崭新的实现方式,并达到了理想的定价效果,而且可以发挥半参数模型的特有优势。进行模型结构分析。经过实证和检验证明了这种模型用于我国股票发行定价的有效性和合理性。为完全市场化股票发行方式下确定股票的发行价格提供了新的方法。