基于统计特征的动态过程质量异常模式识别

文章针对目前动态过程质量异常模式的识别精度不高的问题,提出一种基于统计特征的动态过程质量异常模式识别方法.该方法首先提取出样本数据的16个统计特征,再通过相关性分析筛选出相关性较小的统计特征;然后将筛选后的相关性较小的统计特征输入支持向量机(SVM)分类器进行识别.通过仿真实验进行验证,实验结果表明,基于统计特征的异常模式识别模型能够提高整体的识别精度,可适用于生产现场的质量监控.     

基于混合模型的动态判别分析及应用

当检验数据中包含有新的类别时,传统判别分析方法所构造的分类器,无法识别这些新类别,只能将检验数据划分到学习阶段所遇到的已知类别当中,分类正确率较低.为克服这一缺陷,文章引入一种基于混合模型的动态判别分析方法,可自适应调整原有的分类器,使之能够发现新类别,并显著提高分类正确率.一个实际数据的分类结果验证了该方法的有效性.     

网络舆论倾向性的动态跟踪方法及实证研究

从统计学视角审视网络舆论倾向性的监测问题,提出了以粗糙分类器为基础建立舆论倾向性分类模型,将复杂的预警指标体系简化为单一直观的跟踪统计量,并通过跟踪统计量动态跟踪舆论倾向性变化轨迹的研究方法。实证研究以2011年"郭美美事件"相关新闻跟帖为对象。分析表明,网络舆论的消极倾向性在整个事件发展过程中呈持续增长,与基本事实相符,证实了方法的可行性和适用性。     

基于贝叶斯组合分类的SME信贷违约预判模型

文章针对现有的大部分单一分类器预测精度不而,且具有一定限制条件的弱点,提出了应用组合分类模型对中小企业信贷违约预判的方法.以调整的SVM后验概率分类器和多维正态分布概率分类器为基本模型,构建了基于贝叶斯规则动态分配权重的组合分类模型,并把它应用于中小企业信贷违约预判.结果表明,该模型克服了普通组合预测模型权重分配固定的弱点,可获得较高的稳健性和分类精度.     

特征加权朴素贝叶斯分类器在小样本中的应用

对样本分类的方法很多,比如广义朴素贝叶斯分类器[1],层次-聚类模型[2],神经网络[3]等,但对小样本的分类却存在很多困难,如:小样本的代表性不够,不能覆盖所有属性,分类器分类效果不佳等问题,文章提出的结合拉普拉斯校准的特征加权朴素贝叶斯分类器操作简单,能高效地解决了以上问题。     

基因表达数据特征子集的冗余研究

过滤式特征选择是一种在基因表达数据上广泛使用且简单有效的方法。针对其特征子集冗余性问题,使用皮尔逊相关系数,提出一种带冗余去除的特征选择算法。研究了在不同相关强度下特征子集冗余去除及分类准确度效果。实验选用三个不同的基因表达数据集,使用支持向量机、k近邻、随机森林作为分类器分别进行了测试。实验结果表明,带冗余去除的过滤式特征选择方法在不同分类器上均能获得良好的分类性能,另外,此方法在降低特征子集维度的同时能够提高分类准确度。     

基于SODM的支持向量机的多分类器融合算法

为了解决支持向量机算法在大样本处理的“过学习”现象，文章设计出在并行系统中使用的多分类器支持向量机算法，应用多支持向量机分类器系统代替单一分类器，解决了大样本数据集上学习内存开销大、训练速度慢的缺点；同时，提出了一种自组织选择性融合算法，根据终止法则找到最优复杂度的融合模型，自主更新各分类器并调整其分类性能，把各分类器的分类结果融合为最终的分类，有效解决了大样本多分类器融合受子样本分布状态影响、各分类器学习能力相差过大的缺点，从而提高了训练效率和分类效率。     

基于多阶段抽样的贝叶斯序贯过程质量监控分析

文章针对参数随机化情况下的质量控制问题,提出了新的过程质量方法。通过质量控制模型的统计结构分析,研究了Jeffreys先验分布下参数的后验分布和贝叶斯估计,据此构造了具有预警线的过程样本均值-标准差监控图,以及贝叶斯过程能力指数评价模型;然后,将过程状态稳定的模型参数后验分布作为下一阶段的参数先验分布,进行样本数据信息融合、模型迭代更新,建立了基于共轭先验分布的贝叶斯序贯均值–标准差监控和贝叶斯动态过程能力指数估计模型。研究结果表明:与现有的统计过程质量控制方法比较,贝叶斯序贯过程质量监控方法能够融合产品质量指标的历史信息,及时更新过程控制限,动态监控过程质量波动。     

基于SVM的基金业绩评估系统研究

基于结构风险最小化原则的支持向量机对小样本决策具有全局收敛性和较好的学习推广性.基金业绩评价问题本质是分类问题,本文提出基于SVM的二叉树多级分类器实现方法,并对系统特征进行选择验证.实证分析表明采用支持向量机设计的评价系统思路清晰,操作简单,重复训练样本少,在评估系统应用中有较强的实用性.     

运用模糊积分融合挖掘技术减小客户分类的不确定性

数据挖掘技术为高效的客户分类提供了强大的支持,然而仅依靠这门技术并不能很好地完成这项任务。本文将模糊积分融合方法与数据挖掘技术结合来进行减小客户分类的不确定性,提出了一种利用训练样本先验静态信息,结合各分类器识别结果包含的动态信息对模糊密度进行自适应动态赋值的方法。仿真结果表明了它的有效性。     

基于BT-SVM模型组合的动态加权多分类算法研究

在AI领域中,备受关注的一个问题是如何获得更好的分类,尤其是对于多分类的情形。目前,针对多分类算法已取得了大量的研究成果,很多较为高效的多分类算法也已应用到实践中,而对于多分类算法的研究仍然备受关注。以BT-SVM为基分类器,提出一种带阈值的新型动态加权多分类器集成的方法,并通过模拟和实证分析验证该算法的有效性,研究表明该算法对于平衡和非平衡数据的分类效果表现得都比较优良。     

动态网络治理视角下的项目选择多标准决策

文章提出了以社会网络(SNA)拓扑结构为基础的多标准决策过程以增强项目选择的有效性,运用社会网络拓扑矩阵来定量测量组织关系,整合了网络分析法(ANP)和系统动力学模型,构建了多标准决策的项目选择模型.运用山东省淮河流域建设项目的相关数据探究了上述模型的有效性,表明该模型将会帮助政府机构、承建方、监理方、投资方以及其他项目利益相关方科学管理动态网络治理关系,以实现项目治理网络整体目标,规避项目治理中的风险.     

带缺失值的顾客满意度指数的测评

文章通过对国内外顾客满意度指数模型的对比及我国的现状分析,提出顾客满意度指数测评的拓展模型,模型对感知质量潜变量细化为感知产品质量和感知服务质量.在此基础上对带缺失值的顾客满意度指数测评步骤进行研究.针对该拓展模型,基于均值插补法,提出一种新的缺失值处理方法-分类均值插补法,该方法先对被调查对象问卷中的满意度字段按照分值进行分类,然后对同类中的缺失值用该类的平均值替代.     

基于马尔科夫状态转换GARCH模型的汇率波动预测

文章利用汇率波动状态下的均值方程修正了面向汇率日波动特征测度的GARCH模型,并以动态多维条件修正针对汇率波动特征预测的马尔科夫状态转换GARCH模型,结果证实:汇率波动的动态发展趋势具有左部相对厚尾和一定程度的尖峰特征,汇率波动的动态特征及过程中更多动态相互干扰造成了汇率影响的参数异方差效应属性.     

大数据背景下网络调查样本的随机森林倾向得分模型推断研究

随着大数据与互联网技术的迅猛发展,网络调查的应用越来越广泛。本文提出网络调查样本的随机森林倾向得分模型推断方法,通过构建若干棵分类决策树组成随机森林,对网络调查样本单元的倾向得分进行估计,从而实现对总体的推断。模拟分析和实证研究结果表明:基于随机森林倾向得分模型的总体均值估计的相对偏差、方差与均方误差均比基于Logistic倾向得分模型的总体均值估计的相对偏差、方差与均方误差小,提出的方法估计效果更好。     

基于模糊统计的不确定质量特性控制图研究

不确定质量特性采用专家评分、语言评价等测量手段,使常规的控制图方法难以适用.文章以不确定质量特性评分数据为基础,提出了评判模糊数统计特征的求取方法,并以特征数构建不同类型的评判模糊数隶属函数,以过程均值模糊数割集的上下限作为控制线,以评分样本模糊数割集的上下限为控制图描点数据,以描点数据与控制线之间的位置关系进行异常报警,实现不确定质量特性控制图的绘制,最后在Matlab环境下,以具体的应用实例验证了方案的可行性.     

具有区间灰色特征的多级供应链网络优化设计模型

考虑终端市场需求量和产品单价的区间灰色特征,以及需求的不确定性,研究战略层次上的供应链网络设计及其鲁棒优化问题,当供应链结构的参数发生变动时,供应链整体结构和性能保持鲁棒性。针对传统求解方法的局限性,文章通过引入控制变量,建立了具有灰色特征的供应链网络结构设计模型及其鲁棒优化模型,为验证模型的有效性和可行性,以生鲜农产品为实例分析对象,通过实地调查,运用混合整数非线性规划方法,使用Matlab7.0计算工具,研究了4种不同情景下模型的灵敏度,得出5种不同条件供应链网络的设计结构及整体收益,对比分析得出结论:运用混合整数线性规划方法,能有效解决具有区间灰色特征的供应链网络设计及其鲁棒优化问题;不同条件下供应链网络结构不同,且供应链整体收益值、总成本值和利润值也不相同;只要条件确定,供应链网络结构也是确定的,且该结构对问题的解具有鲁棒特征;控制变量的取值大小反映了决策者的决策特征。     

基于支持向量机的汽车曲轴质量诊断模型

传统的多元控制图在过程失控条件下，无法提供出哪一个变量或是变量组合是导致失控的原因，因而无法进行多元异常诊断。文章结合汽车曲轴生产过程的实际问题，应用基于支持向量机的方法对该过程多元问题进行了控制与诊断；在验证曲轴生产数据为多元正态分布的情况下，构建了基于SVM的均值偏移诊断模型，对过程变量进行均值偏移诊断，该模型能够指出均值偏移的组合模式。     

基于Markov区制转换模型的极值风险度量研究

将马尔科夫区制转换模型与极值理论相结合研究金融风险度量问题.首先用SWARCH-t模型捕捉收益率序列的剧烈波动和结构变换特征,然后将收益序列转化为标准残差序列,在此基础上通过SWARCH-t模型与极值理论相结合拟合标准残差的尾部分布,进而构建基于SWARCH- t- EVT的动态VaR模型,最后对模型的有效性进行检验.研究表明,SWARCH-t-EVT模型能够有效识别上证综指的波动区制特征,且能有效合理地测度上证综指收益风险,尤其在高的置信水平下表现更好.     

分位数单位根检验的拓展及其应用研究

在不同的分位下对时间序列数据是否含有结构性变化进行甄别,对于准确识别数据的动态变化及其分布特征具有重要的意义.本文首次在Koenker和Xiao(2004)研究的基础上提出傅立叶分位数单位根检验模型,并以此捕捉时间序列中存在的结构突变点,进而刻画数据在不同分位下的动态变化特征.本文通过构建傅立叶QKS统计量并采用蒙特卡罗方法对傅立叶分位数模型的临界值、样本容量和检验“势”进行模拟,发现含有傅立叶级数的分位数单位根检验对刻画“尖峰厚尾”特征数据的非线性偏离动态调节特征具有更高的检验“势”.最后,本文利用拓展后的模型对我国通货膨胀的持久性和失业的回滞效应进行再检验,结果发现我国通货膨胀具有平稳的特征,而失业率却包含单位根过程.本研究为分位数单位根检验的拓展及其应用提供了一定的启示.