考虑样本不平衡的多准则库存分类加权支持向量机方法及其参数选择

针对ABC库存分类中存在的样本类别不平衡问题,提出了一种基于加权支持向量机的多准则库存分类方法,通过引入类权重因子来解决由于训练集中的类别差异引起的分类结果偏向多样本类的问题.实例研究中,通过一致测试、独立测试以及交叉校验方法进行学习,结果表明加权支持向量机比传统支持向量机具有更小的错分率和更好的稳定性.     

基于Fisher聚类算法的航班飞行高度偏差分析研究

目前计算机飞行计划(Computerized Flight Plan,CFP)中的计划飞行高度与实际飞行高度之间存在偏差.为了能识别出航路中易发生显著偏差的子航段,便于对其进行重点监控,本文提出一种基于Fisher有序样本聚类算法的航班飞行高度偏差分析方法,采用修正的Fisher有序样本聚类算法对航路进行分段,在分段的基础上,对每个子航段上的高度偏差平均水平及波动情况进行统计分析,作为高度偏差的评价指标.分析结果可帮助识别航路上易发生显著实际与计划飞行高度偏差的子航段,为签派人员制作飞行计划以及在机组人员进行航前准备提供决策依据,具有较好的实践意义.     

养殖企业成本收益状况及对比实例分析

本文借鉴了国内外农产品成本收益分析指标体系的设立方法和相关研究理论，选取河北、辽宁、山东等主产区不同规模的27个鲆鲽类养殖企业作为样本，就大菱鲆养殖成本及销售价格等数据进行调查统计，并利用对比分析法、盈亏平衡分析法以及敏感性分析等方法，对27个调查样本的相关数据进行成本收益分析。本文还就2010年鲆鲽类养殖成本收益状况与2009年成本收益状况进行了对比分析。     

半模糊超球支持向量机多类分类方法研究

针对支持向量机在大类别模式分类中存在的问题,提出了一种基于半模糊核聚类的超球支持向量机分类方法.该方法首先利用半模糊核聚类方法对样本进行预处理,完成边缘样本的选取,进而以所选样本为训练样本进行超球支持向量机训练,从而有效提高分类器的性能.实验表明,该方法比标准支持向量机多类分类方法具有更高的速度和精度.     

基于SVM求解不均衡数据集分类的主观权重约束方法

支持向量机(SVM)的二类分问题中针对不平衡数据集可以通过减少样本信息的不对称性和改进算法来解决。本文针对中小企业中有财务风险与无财务风险样本的不平衡性问题,使用一种带有主观权重约束条件的支持向量机新模型对样本进行分类。实验表明新模型确实提高了财务风险企业即少类样本的识别性能,是一种类别不均衡学习(class imbalance learning)的新方法。     

GARCH类模型波动率预测评价

GARCH类模型已经广泛运用于波动率的预测,但对模型的预测表现进行评价却受到了忽视,其主要原因是缺乏合适的衡量标准。本文首先运用GARCH类模型对上证指数收益率进行了全面的估计及样本外预测,然后以已实现波动率作为波动率预测的评价标准,通过M-Z回归和损失函数来评价GARCH类模型的波动率预测表现。结果表明,无论是样本内还是样本外,GARCH类模型都能够较好的预测上证指数的收益波动率。其中,偏斜t-分布假设下的GJR(1,1)模型的预测能力最强。     

管理学的基本概念与学科地位——一种基于科学计量学的再认识

在回顾和廓清国内外管理学学科概念的基础上,以国际管理类学术期刊数据为样本,运用科学计量学最新的知识图谱方法,揭示了现代管理学的学科界限和作为基础学科的一般管理学的学科地位,阐明了管理学与心理学、社会学、经济学、数学等相关学科的关系,以及管理学作为独立学科在人类知识体系中地位上升的趋势,对于我国管理学走向国际学术前沿与学科合理布局提供了启示。     

基于组合分类的消费者信用评估

为了降低单个分类模型的不稳定性,提高其应用于消费者信用评估的准确性,提出一种基于组合分类的消费者信用评估方法.首先通过有监督聚类将各个类别的数据样本划分为若干子集合,使得各个子集合中数据样本均来自同一类别,再对不同类别子集合之间进行两两组合得到训练样本子集合,然后在各个训练样本子集合中分别建立不同的分类模型.在分类模型结果综合阶段,以各个分类模型在待分类样本的近邻训练样本中的分类性能作为权重,对各个分类模型的结果进行加权投票以产生待分类样本的最终分类结果.实证研究以决策树作为基本分类器,通过在实际的消费者信用数据集上的比较分析,说明所提出方法相对于其它组合分类方法具有更高的分类准确性,可以有效应用于消费者信用评估.     

企业人本管理的“人形模型”

模式是一种重要的科学操作与科学思维的方法。它是为解决特定问题,在一定的抽象、简化、假设条件下,再现原型客体的某种本质特性;它是作为中介,从而更好地认识和改造原型客体、构建新型客体的一种科学方法。简言之,模式是对现实事件的内在机制及事件之间关系直观简洁的描述。企业人本管理"人形模型"则是指企业人本管理活动的"样本",这个样本可用简洁的图形示意(见图),能勾画出企业人本管理活动过程中的内在机制以及相关要素之间的关系。     

基于学习向量量化LVQ神经网络的财务危机预警研究

应用学习向量量化LVQ神经网络方法,以近期14个数据作为财务危机预警建模样本和测试样本,建立了财务危机的预警模型,经过对样本的反复训练和学习,得到了较好的预测结果.研究结果表明:LVQ神经网络是一种非线性映射模式,在指标间相关度较高、呈非线性变化,或数据缺漏不全等情况下仍可得到比较满意的结果.因此是一种比较理想的预测方法,具有广泛的适用性和较高的推广价值.     

基于模糊聚类的高新技术企业信用风险评估方法研究

本文针对高新技术企业的特点,应用粗糙集理论和模糊聚类方法,集成了一种信用风险评估方法。首先构建了高新技术企业信用风险评估指标体系,再应用粗糙集约简方法生成约简的指标集,继而运用模糊聚类方法对企业信用风险进行评估。在使用模糊ISO-DATA聚类算法时,加入"引路样本",这种改进的算法提高了评估的客观性。     

基于模糊聚类和模糊模式识别的企业财务预警

在回顾国内学者关于企业财务预警模型研究的基础上,提出了一种新的预警模型--基于模糊聚类和模糊模式识别模型.利用该模型对训练样本进行模糊聚类,计算最优聚类中心,对待估样本所属类别进行模糊模式识别.通过对40家沪市上市公司进行实证分析,取得了较好的预警效果.最后针对模型存在的问题提出进一步的研究方向.     

基于ART2的随机抽样样本选取算法在PTA薄膜蒸发器建模中的应用

本文将ART2聚类算法与随机抽样算法相结合,提出了一种新的样本选取算法,并通过样本空间分布图和原始样本空间分布图的对比,验证了该算法的有效性.最后将该算法应用于PTA薄膜蒸发器的神经网络建模过程.     

基于人工免疫的企业流程案例库三级索引框架

根据流程案例的特点,从行业、业务和流程信息化程度3个方面构建三级索引框架,从而能够有效地对流程案例进行分类存储、快速检索与匹配。三级索引机制的核心是基于企业流程信息化程度的第三级索引构建,利用基于人工免疫的aiNet聚类方法的噪声忍耐、自组织、记忆性以及能够有效避免局部最优等方面的特点,对流程案例进行第三级分类,将人工免疫的抗体作为聚类中心,形成流程案例的第三级索引。最后利用105个样本对该三级索引机制的构建过程进行了实证。     

基于AR12的随机抽样样本选取算法在F1A薄膜蒸发器建模中的应用

本文将ART2聚类算法与随机抽样算法相结合,提出了一种新的样本选取算法,并通过样本空间分布图和原始样本空间分布图的对比,验证了该算法的有效性。最后将该算法应用于PTA薄膜蒸发器的神经网络建模过程。     

跨国营销模式选择的权变影响:基于颐客视角的研究

本研究结合对华为、普华永道以及顶新国际集团等跨国公司的实地访谈选定“母国—东道国”和“东道国—东道国”两类研究视角,以普通消费者非常熟悉的牛仔裤、运动鞋和笔记本电脑等产品类别中的相关品牌作为测试对象,选择来自于中国、加拿大、日本和韩国等具有跨国界经历的顾客作为调研样本,分别检验了以品牌母国和品牌东道国为基准衍生出的营销标准化程度对东道国顾客心理的影响关系模型.模型中加入了市场情境因素作为调节变量.最后,结合具体事例针对中国企业做了引申讨论.     

中国农业巨灾债券定价模型与实证研究——基于安徽省棉花产量数据

巨灾债券作为一种金融创新产品,可以有效解决保险市场巨灾风险非可保性问题,正逐步被一些国家应用于农业保险领域。本文以安徽省棉花年产量数据为样本,以该地区相对于长期平均趋势产量偏差量为损失指数,设计了一种农业巨灾债券。研究结果表明:通过样条回归与Gaussian核密度估计法,以及产量损失分布与利率风险相结合,可以初步构建中国农业巨灾债券的定价模型并付诸实践。     

上市公司存货计价方法选择偏好分析——以食品饮料业非酿酒类公司为例

本文选取了我国食品饮料业中非酿酒类的40家上市公司作为研究样本,以2008-2010年的年报为信息来源,对样本公司发出存货的计价方法进行描述性统计和分析,经过分析发现绝大部分公司均采用加权平均法对发出的存货进行计价、年报中对发出存货计价方法的变更披露不够充分、注册会计师未能很好地履行对年报会计政策变更的审计监督职能.     

透视婚恋交友类综艺节目中的创意产业经济

婚恋交友类综艺节目为何能在近期迅速火爆,除了人们择偶观的与时俱进,社会婚姻心理等以及其它社会原因,更多的是它为社会带来了哪些经济效益,作为一种产业经济的新型创意产业经济以其独特的盈利模式迅速火爆,以及对其未来发展前景的探讨。     

基于战略转换的企业战略风险预警模型研究

将粗糙集理论与神经网络相结合,构建了基于战略转换的企业战略风险预警模型。该模型首先运用基于信息熵与MDV函数的模糊聚类算法进行连续属性离散化,然后采用粗糙集理论约简出重要指标体系,最后采用BP神经网络进行学习和训练,进而对检验样本的风险等级进行判断。实证分析表明：基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果;添加动量因子的改进BP算法提高了网络学习效率,且该预警模型对检验样本的总体预测精度较高,是一种有效和实用的战略风险预警工具。