一种基于神经网络和决策树的信用评估新方法

分析了数据挖掘在国内外金融领域的应用及研究现状,提出了一种基于神经网络和决策树相结合的信用评估新方法。该方法通过RBF神经网络,进行条件属性裁减,并利用决策树抽取出评估规则。此方法利用神经网络的“黑箱”工作特性,选择重要条件属性,并利用决策树自动生成评估规则,大大提高了信用评估的效率和客观性。     

基于决策树技术的建筑企业信用评价研究

在决策树理论的指导下,通过信息增益的应用和公式的构造获取属性重要程度评价值,结合决策树的C5.0算法得到建筑企业的信用评价模型.经过对该模型进行测试和评价,取得了较好的预测效果.     

基于决策树与logistic的上市公司信用评估比较研究

本文构建了基于决策树和logistic的评估模型,对我国目前已上市的216家上市公司进行了实证研究。首先运用单因素方差分析、因子分析对46个变量进行属性约简,最后选定了整合16个指标信息的6个主因子。随后分别运用基于熵方法、基尼系数法的决策树、logistic方法,建立了3个上市公司信用分类的模型。本文的研究结果显示:决策树并不严格优于logistic回归,在公司信用水平差的可能性高的情况下,采用Logistic模型预测能力较好,信用差的概率处于中高水平时,决策树模型较好,其他情况下,三种模型预测能力相当。     

财务困境预测:数据挖掘方法的比较与运用

近年来,数据挖掘方法在商业领域的应用方兴未艾。文章尝试将数据挖掘方法引入财务困境预测的问题中,并以上市公司的实际财务数据为出发点,全面比较了逻辑回归、神经网络和决策树等分类算法在上市公司财务困境预测问题上的优劣。结果表明决策树在预测准确率、波动性以及可解释性上具有综合优势。文章还提出了不同程度财务困境的新概念,并对这个问题进行了决策树建模。     

基于知识挖掘的决策树规则对于工程管理学生个性化择业决策的支持研究

工程管理专业的学生是目前较好就业的专业之一。面对众多的从业方向和择业选择,如何为工程管理专业的大学生提供有效的职业生涯决策具有较大意义。本文结合某高校的实际情况,利用挑选出的工程管理学生生涯的数据集和知识挖掘决策树分类技术的ID3算法形成以供工程管理毕业生择业时参考的决策树规则,由于ID3算法需要将属性进行离散化,因此,本文引入了云模型对难以离散化的属性进行离散化。经过实例验证,本文生成的决策树规则可以为工程管理的毕业生在择业时提供个性化决策的支持。     

基于高校学生满意度的教学质量评价研究——以北京科技大学为例

学生满意度是衡量教学质量的重要参照。论文设计了高等学校教学质量满意度的评价指标体系,编制了测度量表,并进行效度、信度检验。以北京科技大学毕业生作为研究对象,采用分层抽样方法,对614名2011级本科毕业生进行了调查,从学生的角度对学校本科教学质量进行宏观监测。文中还利用决策树模型分析了不满意学生群体主要特征,应用神经网络模型分析了影响学生满意度的各因素的重要性。      

基于卷积神经网络的衣物属性分类方法

针对衣物属性分类的多样性和复杂性,传统算法和并行卷积神经网络难以准确快速地对衣物属性分类,提出了基于卷积神经网络的衣物属性分类方法,从衣物图像不同角度和不同位置特征出发,利用加入了DenseNet网络的模型自动完成特征学习,得到全面的衣物属性分类信息,然后利用cen误差函数优化softmax分类器,提高类间分散性和类内紧密性。结果表明:与并行卷积神经网络和传统算法相比,该网络结构收敛速度更快,在衣物多种属性上分类准确率更高。     

神经网络与领域知识结合的纳税评估预警模型

纳税评估是一项重要而复杂的工作。针对目前尚无十分有效的纳税评估预警模型的情况,提出了将神经网络和领域知识结合建立纳税评估预警模型的方法,利用基于神经网络的方法选出有涉税疑点的企业,在领域知识的指导下结合统计分析方法,解决了预警模型无疑点指向性的问题。通过建立行业的纳税评估预警模型,并进行验证分析,表明该方法是可行的。     

基于决策树法的我国商业银行信用风险评估模型研究

结合我国商业银行的实际,基于数据挖掘中决策树C4.5算法的分析框架建立了商业银行的信用风险评估模型,通过此模型可以根据贷款企业的财务指标,得出企业是否违约的分类。此分类将对商业银行信用风险控制工作具有很好的指导意义。还通过案例进行了实际的风险评估分析。     

基于粗糙集和RBF神经网络的分类模型研究

分类是数据挖掘中一个重要的研究领域。针对原始决策表中往往存在大量冗余信息,从而影响决策分类综合性能这一问题,提出了一种基于粗糙集和RBF神经网络的分类模型。该模型在保持训练样本分类质量的情况下,运用属性约简方法对决策表进行约简,得到维数较小的训练样本空间。通过这样确定RBF神经网络输入层变量,优化了网络结构。实例结果表明了该方法的有效性和实用性。     

基于一维卷积神经网络的工业产业安全评价与预警研究

文章基于产业安全理论和相关文献研究,建立了工业产业安全评价指标体系,运用熵权—灰色关联分析法评价2000—2018年工业产业安全状况,再构建LSTM神经网络预测模型预测2019—2023年工业产业安全各评价指标数据,将所有预测数据和历史数据相结合,建立基于一维卷积神经网络的工业产业安全预警模型,并对2019—2023年工业产业安全状况进行系统预警。结果表明:随着工业改革不断深入,安全度增速上升;预测未来五年工业产业安全程度整体处于安全状态。     

基于BP神经网络的城市住宅地价水平模型研究——以杭州市为例

在揭示城市住宅用地特征的基础上,分析并确定影响住宅用地地价水平的相关因素,并利用BP神经网络构建城市住宅用地地价水平预测模型。通过对杭州市历年住宅用地地价水平预测的个案研究,表明此方法经济、便捷、适应能力强,值得应用与推广的同时,也为加强城市土地价格管理提供科学参考与依据。     

粗集神经网络系统及其应用

讨论了粗集神经网络系统及其在心电图自动识别中的应用。根据识别需要,从MIT心电图数据库获取心电图特征参数,根据粗集理论对属性进行优化,并用BP神经网络进行学习。运用这些特征参数和训练好的BP神经网络对心电图进行分类,识别准确率达到90%。     

基于数据挖掘的证券营业部客户流失分析

针对营业部客户流失的影响因素数据给出了预测模型。根据新佣金政策下的证券营业部客户一年来的交易数据分析,提出了影响客户流失的各种特征因素的假设。进一步建立三个模型（逻辑回归、决策树和径向基神经网络）,并从错分率和预测能力（提升值）两方面的模型性能评判标准来选出最佳模型,根据该模型找出最可能影响客户流失的各种预测因子,并进行深入分析,最后提出相应的对策。     

基于拥有的总成本与拥有的总价值的高技术产品定价策略

拥有的总成本和拥有的总价值是高技术产品定价过程中必须考虑的两个要素。拥有的总成本与高技术产品的售价成反比,拥有的总价值与高技术产品的售价成正比,这是高技术产品定价的两个基本模型。在满足拥有的总价值大于拥有的总成本的前提下,整合两个基本模型,可以得到一个包含着四对策略的综合定价模型。四对定价策略组合可派生十六个策略方向,每一策略方向乘以三种变化量系数,即生成四十八个基本策略,这便是综合定价模型的完整结构。     

基于商品属性的消费者个性化偏好模型研究

随着互联网的快速发展,在线商品推荐成为商家重要的营销方式,而研究}肖费者个性化偏好是实施商品推荐的重要基础。以餐饮类团购商品为例,提取7大类、32项商品属性,采用基于BP神经网络的数据挖掘方法建立了基于商品属性的消费者个性化偏好模型。通过问卷调研进行了实证研究,结果验证了该模型预测个体消费者对商品偏好的准确性,同时发现影响消费群体偏好的最重要因素是价格和到达所需时间。最后,针对个性化商品推荐为商家提供了营销启示。     

常用的决策树生成算法分析

数据分类是数据挖掘中的一个重要课题,被有效地应用于科学实验、医疗诊断、气象预报、商业预测等领域。常用的分类方法包括决策树、神经网络、遗传算法等。其中决策树是分类方法中的一个重要研究方向,由于其结构简单、可以清晰的生成便于人们理解的规则、效率高、以及适用大数据量等优点而被广泛使用。本文就几种常用的决策树生成算法进行较深入地分析和比较。