基于数据流多维分析的可疑金融交易动态识别

动态识别是改进我国目前可疑金融交易识别监测覆盖面不足和识别实时性较差的有效方法。针对动态识别的具体实现问题,基于数据流多维分析设计一种可疑突变特征动态识别算法。该算法根据金融交易数据流的特点,在筛选交易记录关键属性、构建数据流立方体结构以及确定通用路径的基础上,运用突变比量动态缩减时间框架,在不同维度及概念层上计算和维护立方体中数据单元的度量参数与突变比量参数,并以此为依据发现并识别出隐匿于数据流中的可疑突变特征。仿真结果表明:算法能够在有限的存储空间内完成对大规模金融交易数据流的实时处理,计算结果能够有效反映交易记录中频度、金额、类型等方面的可疑突变情况,从而达到动态识别可疑金融交易的目的。     

可疑外汇交易的分类识别方法及其应用

将数据挖掘方法与金融领域知识相结合,研究可疑金融交易识别策略与方法,是我国反洗钱领域的重要基础性工作.决策树分析是一种重要的数据挖掘方法,通过对案例数据的训练学习达到对未知类标识数据的分类.基于决策树分析的思想设计出适合于可疑外汇交易识别的CART分类方法,并用真实外汇交易数据对该方法进行了验证,实验结果表明该方法可有效提高可疑金融交易识别效率.     

基于矩阵的可疑金融交易增量式更新算法研究

采用基于矩阵式的增量更新算法,解决关联规则更新中没有充分利用发现结果及效率低下的问题,并通过实际数据,验证了算法的有效性及高效性,为快速识别可疑金融交易提供了有益的参考.     

隐私保护关联规则在可疑金融交易识别中的应用

有效利用多方数据进行分析,将隐私保护关联规则应用于可疑金融交易识别中,提出了一种新的算法来满足目前用于异构的分布式数据库的隐私保护.该算法能提高反洗钱工作效率,为金融机构反洗钱工作提供一种行之有效的方法.     

基于粗糙-模糊神经网络的焊接图像缺陷识别

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重以及现有的识别算法准确率低的问题,提出了一种基于粗糙模糊神经网络的缺陷识别算法。该算法充分利用了粗糙集的属性约简、模糊集的处理不精确数据以及神经网络的自学习、对任意函数逼近的优点,有效地解决了不确定建模过程中样本数据受到噪声干扰、模型结构难以确定的问题。仿真结果表明:该算法能有效地提高焊缝图像的缺陷识别能力。     

证券市场内幕交易行为识别:理论模型与实证分析

基于Logistic分析构建了内幕交易行为的识别体系与识别模型,并以2007年1月1日—2016年10月31日证监会公开处罚的沪深A股发生内幕交易行为上市公司为样本,对内幕交易行为的识别进行了实证研究。得出了较有实际应用价值的结论:第一,所构建的识别模型能够较为准确地识别实际发生的内幕交易行为;第二,除了日均换手率与日均收益率之外,日均换手率与日均收益率的乘积项以及日均收益率平方项都能够提高正确识别率;第三,以本文所给出的基准选取内幕交易识别的最优临界值能够较大程度提高内幕交易行为的识别正确率,进而样本的总体识别正确率能够得到较大的提高;第四,管理层应审时度势地根据不同的市场环境采用不同的临界值来对内幕交易行为进行识别。     

异构集群中非结构化大数据检测方法

传统的非结构化大数据检测方法只分析数据的统计特征、缺少对其中模糊闭频繁项集特征的识别,易出现监测结果不理想的问题。为了提高对异构集群中非结构化大数据的检索识别能力,提出一种基于模糊闭频繁项集特征挖掘的异构集群中非结构化大数据检测方法。分析异构集群中非结构化大数据的统计特征信息,并采用大数据信息融合方法对其进行状态监测和特征识别,从中提取非结构化大数据的模糊闭频繁项集特征量;利用支持向量机模型对非结构化大数据检测进行分类处理,根据不同大数据的分类属性进行自动检测识别,提高对异构集群中非结构化大数据检测的准确率和监测过程抗干扰能力。实验结果表明:采用该方法对异构集群中非结构化大数据检测的准确性和检测精度较高,具有很强的应用优势。     

基于数据挖掘的金融时序频繁模式的快速发现

针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出一种金融时间序列模式快速发现算法.与传统的预测算法相比较,该算法对数据的分布和平稳性等方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后,可以用于金融时间序列的分析与预测.以实际汇率数据为例,证明了该算法的有效性.     

农产品溯源区块链的源头数据验证机制研究

农产品溯源系统中区块链以其数据防篡改、可追溯的特性使上链后的数据真实可靠,但目前溯源系统中并没有确保上链前数据可靠的验证机制,上传至区块链系统的数据存在恶意修改和系统误差的问题。对此,设计了区块链源头数据验证机制,采用多维数据交叉验证算法和多源数据匹配计算算法验证农产品生产与物流的源头数据;提出基于云模型与复杂动态赋权的客户评价评估算法对交易环节的客户交易评价数据进行验证并计算真实评价数据;依据以上算法的验证结果设计节点信誉评分规则,在POS共识机制的基础上设计基于信誉的共识机制CPOS,恶意行为越多的节点越难得到记账权,解决了POS共识机制因节点的币龄值过大造成节点权益越来越大的不公平记账权竞争问题,并在一定程度上遏制了节点的作弊行为,保证了源头数据的真实性。实验表明,该机制可有效地过滤恶意和虚假的源头数据,保证农产品溯源系统的源头数据在相对合理的范围内。     

免疫系统的主组织相容复杂性及其应用

在模拟免疫系统的主组织相容复杂性的基础上,结合模糊逻辑与扩展阴性选择算法提出了一个基于免疫系统主组织相容复杂性的模糊逻辑综合决策算法,并用该算法构建了一个实际的基于网络的入侵检测系统。该算法应用高效的扩展阴性选择算法作出第一次网络流量检测,当网络数据异常特征明显时,能直接检测出入侵。若其不能准确地识别待分析数据,则利用具有检测结果准确优势的规则匹配算法作出二次检测,最后结合两次检测结论用模糊逻辑决策模型做出综合决策。     

CORBA中对象事务服务研究与实现

介绍了事务概念及其原子性、一致性、隔离性、持久性,阐述了保证事务ACID属性的两阶段提交算法;对CORBA中对象事务服务框架进行了研究,通过对规范中各个对象及其接口的分析,论述了OTS面向对象的分布式事务处理机制;最后给出了服务中事务工厂、控制器、协调者、资源等对象基于可移植对象适配器的实现。     

交易活跃性与交易成本动态关系研究

交易成本和市场活跃性是流动性相互联系的两个重要方面,已往研究多基于横截面分析研究两者的静态关系,而未考虑两者的动态相互作用。用久期,交易量来度量市场活跃程度,买卖价差度量交易成本,提出了基于超高频数据研究交易活跃程度和交易成本动态关系的系统模型。利用中国股市的样本数据对模型进行了实证研究,并从信息揭示的角度对实证结果给出了理论解释。结果表明交易活跃性和交易成本之间存在着动态相互影响,监管部门应该采取措施降低交易成本,增加市场的活跃性,防止出现市场低迷和流动性缺乏的恶性循环。     

基于LS-SVM的个人信用评估

个人信用评估一直是金融业研究的重要内容,已取得一定的研究成果,但与现实的业务发展要求还有一段距离。本文在信用评估中应用了一种新的方法———最小二乘支持向量机方法(LS-SVM),该方法具有专门针对小样本、算法复杂度与样本维数无关、处理非线性等优点。使用真实的信用卡数据实证结果表明,本方法具有较好的预测能力,在与Logistic方法进行个人信用评估的对比研究中,该方法具有明显的优势。     

硅晶体生长直径检测的研究

论文是以半导体材料硅单晶生长为背景,把嵌入式机器视觉系统引入到视频图像采集、处理与显示的研究中。目的是研究一种小型化、智能化的嵌入式产品解决方案,服务于广阔的市场需求。论文将采集到的晶体生长图像并通过软件实现视频图像处理系统中的图像处理算法,对直拉法晶体硅棒生长速度的测量,使其产生模拟电平送至工控机,从而对晶体生长速度加以控制,使系统达到测量数据可读化。     

用微粒群算法求解含交易费用的组合投资模型

针对国内证券交易的具体情况，提出了含交易费用的投资组合优化模型。利用微粒群算法对问题进行了求解，并结合实际数据进行仿真。结果表明，利用微粒群算法可以较高的效率求解该模型，且从结果上表明模型的合理性。     

逆向工程特征参数提取技术研究

逆向工程是从已有实物的测量数据点中提取其特征参数进行模型重建的过程,特征参数的提取是逆向工程的关键技术之一。该文提出了一种新的回转面特征参数提取算法,将蚁群算法应用在逆向工程的特征参数优化过程中,首先建立回转面特征参数提取数学模型,然后运用蚁群算法实现过程优化,从而提取出特征参数,实现回转面图形重建,最后通过实例验证了该算法的有效性,该算法提高了特征参数提取精度和效率,适用于空间任意位置回转面的特征参数提取。     

基于自动机模型数据关联性能评估算法

提出了一种基于自动机理论的性能评估方法,通过在有限自动机模型中增加描述观测的时间序列,来扩展其对数据关联过程的表达能力;使用时序有限自动机模型来描述关联处理算法的模型;使用带时间属性的字符串表示目标航迹。对数据关联的时序有限自动机模型进行一致性和可达性分析,并在此基础上给出了性能评估算法。实验结果证明该方法可以有效地评价关联算法的性能。     

面向网络的一种新分布式事务处理协议

提出了一种新的适合于当前网络环境，基于客户机／服务器应用方式及远程过程调用（ＲＰＣ）的分布事务处理模型及其实现协议。分析与实验表明它不仅满足网络中客户机／服务器应用的具体特点与要求，而且可以克服各种两段式提交协议中由于协调者故障造成的阻塞，同时避免了三段式提交等协议为解决阻塞而引起的开销过大，实现复杂等问题     

基于DPB~+-Tree的数据迁移策略研究

提出了一种适合于数据迁移、又能保证分布并行特性的树结构DPB -Tree,讨论了基于DPB -Tree的数据迁移策略,其中数据节点迁移采用分布式提交协议来保证原子性,索引重构通过对溢出链的hash重排来实现,迁移算法则通过设置负载系数的两个阈值来对负载倾斜进行判断。经模拟实验结果表明,该数据迁移策略能够有效改善系统的负载均衡和吞吐率特性。