基于DAG-SVMS的SVM多类分类方法

本文介绍了几种常用的支持向量机多类分类方法,分析了其存在的问题及缺点。在有向无环图支持向量(DAG-SVMS)多类分类方法的基础上,提出了一种新的多类分类方法。该方法采用了最小超球体类包含作为层次分类依据。试验结果表明,采用该方法进行多类分类,跟已有的分类方法相比有更高的分类精度。     

基于傅里叶变换的时变参数回归模型:估计、设定检验和实证应用

回归模型参数的时变性会严重影响模型的拟合程度和预测效果。基于卡尔曼滤波的时变参数模型需要估计很多的参数,因而造成效率损失。基于傅里叶变换建立一个简单的变系数回归模型,给出估计方法并证明参数收敛于真实值,并给出了模型设定检验的方法。通过蒙特卡洛模拟表明:新建立的时变参数回归模型能很好地处理连续的、随机的和跳跃的时变参数模型。最后,将新建立的方法应用于研究股市联动关系,发现:不考虑系数的时变性可能给出误导性结论,考虑时变性能捕捉更为丰富的联动特征。     

基于MODWT的多分辨系统风险分析

文章利用小波分析具有良好的多分辨特性,对其股票收益率进行极大重叠离散小波变换,使得收益率按不同频率分解,然后对不同时间尺度上的收益率估计CAPM模型的Beta系数。实验结果表明,在不同的尺度下,Beta系数有较大的差异,即系统风险值Beta具有多分辨性,投资者可以根据不同Beta值选择不同的投资时间,使得风险分散化。     

基于多尺度变换的资本资产定价模型的实证研究

文章依据交易时间的多样性,从时间尺度对样本日收益率数据进行多尺度划分,在各尺度上检验资本资产定价模型,结果发现,资本资产定价模型在部分尺度上通过检验.     

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。     

基于多智能体的产业演进仿真建模

文章运用多智能体建模理论设定需求Agent、供应Agent、科研Agent的属性和行为,基于SWARM平台开发产业演进仿真模型。为考察科研成果转让费对产业演进的影响,在科研成果转让费的不同水平下观察产业集约度演变。仿真结果表明,随着科研成果转让费的降低,产业集约度的周期性逐渐减弱。当转让费减低到一定程度时,周期性被波动性代替。     

基于多Agent的协同物流系统协作研究

本文提出了基于多Agent机制的协同物流系统的体系结构,为协同物流系统引入订单A-gent、管理Agent、任务Agent、SAgent和LUAgent,并给出了不同Agent的功能及属性;提出了DSLS中多Agent的协作,通过组建DSLS,除了实现预期收益外,还可产生协同效益。     

基于Fisher变换的Bayes判别方法探索

判别分析是三大多元统计分析方法之一,在许多领域都有广泛的应用。通常认为距离判别、Fisher判别和Bayes判别是三种不同的判别分析方法,本文的研究表明,距离判别与Bayes判别是两种实质的判别方法,前者实际依据的是百分位点或置信区间,后者实际依据的是概率。而著名的Fisher判别,只是依据方差分析的思想,对判别变量进行线性变换,然后用于距离判别,其实不能算是一种实质的判别方法。本文将Fisher变换与Bayes判别结合起来,即先做Fisher变换,再利用概率最大原则做Bayes判别,得到一种新的判别途径,可进一步提高判别效率。理论与实证分析表明,基于Fisher变换的Bayes判别,适用场合广泛,判别效率最高。     

基于Twin-SVM的多分形金融市场风险的智能预警研究

本文以沪深300指数（CSI300）长达11年时间的5分钟高频交易数据为研究样本,首先提出一种基于多分形特征的金融市场正常与关注状态的界定方法,并引入新型的支持向量机（SVM）人工智能模型,即孪生SVM（Twin-SVM）模型对多分形特征下的金融市场风险展开预警研究。实证结果表明：（1）中国新兴金融市场的价格波动具有显著的多分形特征;（2）基于多分形特征参数界定的正常与关注状态不仅准确,而且也具有明显的统计检验意义和明确的现实意义;（3）与传统SVM和BP神经网络（NN）相比,Twin-SVM在预测精度上不仅显著更高,而且在预测稳定性上也明显更优,即Twin-SVM能够有效地解决其它预警模型存在的非对称样本问题。     

基于信任偏好关系的不确定多属性决策方法

文章针对以信任函数表示的不精确、不确定的属性信息,引入乐观期望与悲观期望的概念,构造期望区间,通过期望区间的比较获得方案对之间的信任偏好关系.在此基础上利用组合规则对局部偏好关系集结获得方案对的总体偏好,通过计算净流对方案进行排序,最后给出一个算例对该方法进行了说明.     

基于多目标演化算法的交通系统实时优化技术

文章基于多目标演化算法提出了一种交通系统实时优化技术。状态空间模型包含了除站牌装客和到达时间外的巴士位置。控制器致力于将动态目标功能最小化使得在公车站牌的不确定需求下有更多操作性的决定。文章定义了两个优化目标:等候时间最小化和策略影响最小化。实验结果表明,所观察到的平衡验证了研究系统中之前提出的多目标体系,容许动态查找伪优化帕雷托和实时决定基于目标功能混合反映的不同优化标准。     

基于多智能体的产业集约化演进仿真模型研究

在现实中难以对环境变量如何影响产业集约化进行评估.文章将产业视作一个由多种主体构成的复杂系统,通过界定供应Agent、需求Agent、政府Agent等主体的行为和规则,建立基于多智能体的仿真模型SISM,并在Java环境下基于Swarm仿真平台实现该模型.作为SISM模型的一个应用,讨论了GDP年增长率对产业集约度的影响,发现GDP的过快或者过慢增长,均对产业集约化发展不利,较为适宜的年增长率为12%左右.     

基于相似度的动态直觉模糊多属性决策方法

针对属性值以直觉模糊数形式给出的动态多属性决策问题,文章首先根据直觉模糊集的自身特点构造记分函数,由新的记分函数确定动态决策问题的全局最优属性值序列,同时引入相似度概念,构造直觉模糊集之间的相似度模型,利用所建模型计算各时段属性值序列与最优属性值序列之间的相似度,对各方案在各时段的相似度值加权集成并排序.最后周实例验证了该方法的实用性与可行性.     

基于情感分析的旅游客流量多尺度组合预测模型

文章提出了一种基于在线文本情感分析的旅游客流量多尺度组合预测模型。首先,用Python爬取客流量历史数据和旅游网站的评论并对其进行预处理,并使用Snownlp情感分析计算处理后的评论情感值作为客流量的影响因素;其次,将客流量和评论情感值分别用互补集成经验模态分解分解为不同的本征模函数,并用样本熵将其重构为高频、低频和趋势序列;然后,用反向传播神经网络、支持向量机和长短期记忆神经网络模型分别对高频、低频和趋势序列进行预测;最后,把三种方法的预测值相加即可获得最终预测结果。以四姑娘山风景区为例进行实证分析,结果显示所提模型能很好地提高客流量的预测效果,具有应用价值。     

基于多维t-Copula函数的投资组合的CVaR分析

文章根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势,构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度与资产组成下的投资组合的CVaR(条件风险价值).实证说明,根据本文提出的模型度量资产的风险,可以使投资者选择的资产更加稳健;同时也有利于投资者对投资组合整体风险进行分散和监管.     

基于改进得分函数的直觉模糊多属性决策方法

针对属性权重信息完全未知的直觉模糊多属性决策问题进行了探究,提出了一种综合考虑隶属度、非隶属度以及犹豫度的新的得分函数,利用改进的得分函数将传统的熵权法推广到直觉模糊领域,为属性权重完全未知的直觉模糊多属性决策问题提供了一个新的排序方法。实际的铁路冻害整治算例进一步说明该方法的可行性和有效性。     

基于VAR模型的深圳GDP增长的影响因素分析

文章对1979～2006年深圳的GDP与进口额、工业增加值、出口额和社会消费品零售总额的有关统计数据进行基于VAR模型的实证分析.分析结果表明:长期看,工业增加值、出口额和社会消费品零售总额的增加导致了深圳的经济增长,而进口额的增加,则使深圳的生产总值减少,并且影响程度从高到低依次为社会消费品零售总额、进口额、出口额与工业增加值;短期看,影响深圳的经济增长的影响程度从高到低依次为进口额,出口额、工业增加值及社会消费品零售总额,这结果符合经济规律,可为深圳制订经济发展目标提供决策参考.     

基于记分函数的直觉模糊多属性群决策方法

针对属性权重未知且属性值为直觉模糊值,决策者给出方案直觉模糊值形式偏好信息的不确定多属性群决策问题,提出了一种基于模糊优选的群决策方法。首先在计算直觉模糊相似度的基础上通过非线性规划模型求解出属性权重。在明确直觉模糊多属性决策问题中直觉模糊集的定义基础上,提出了一种新的记分函数方法,进而得到各决策者决策矩阵的正、负理想方案。然后通过各决策者的模糊优选模型得到各方案的决策值,通过决策群体的模糊优选模型得到各方案的群体综合决策值。最后通过一个算例说明了方法的有效性。     

基于多维Copula函数的投资组合CVaR分析

目前国内有关Copula函数的实证研究主要以二种资产的相关性为主.根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上的优势,构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度下投资组合的最小条件风险价值(CVaR).实证表明,根据所提出的模型度量资产的风险,可以使投资者选择的资产更加稳健,同时也有利于投资者对投资组合整体风险进行分散和监管.     

方案有限的多目标决策方法与资信评估

许多决策问题都有多个目标 ,在投资决策中对这种含有多目标方案间的选择就比单目标更复杂了 ,文章主要以资信评估来说明方案有限的多目标决策的具体方法及应用。