基于SVM的项目评标决策模型

项目评标具有的不确定性特点和评标专家在知识、经验和偏好上的迥异,使招标项目的评标工作具有难度大、影响因素多、难以确保评标工作一致性等问题.针对此问题,提出了一种基于支持向量机的项目评标决策模型,并以某一实际招投标项目为例,验证了模型的有效性.该模型充分利用了SVM的小样本、全局优化等特点,通过学习有限的评标样本,形成评价方程辅助决策,增强了决策的科学性与合理性,提高了决策效率.     

基于SVM的建设项目风险识别方法研究

支持向量机(SVM)是在统计学习理论的基础上发展起来的一种新的机器学习方法。它基于结构风险最小化原则,能有效地解决过学习问题,具有良好的推广性和分类精确性。在项目风险管理中,风险识别是很重要的一个步骤,如果风险不能被识别,那么我们就不能对风险进行转移、控制或管理。针对该问题,本文提出了一种新的风险识别方法-支持向量机,利用该方法对项目风险识别进行了研究,并取得了很好的识别效果。     

基于SVM的Web日志挖掘及潜在客户发现

潜在的客户资源是商家未来的利润来源,发现了潜在的客户就可以制定相应的商业决策,并进行有针对性的客户关系管理。使用SVM方法对Web日志文件进行挖掘,以发现站点访问者中潜在客户的共同行为模式,并将其分为不同级别的目标客户群。同时,通过试验4种不同比例的训练样本,研究了非对称数据对分类结果的影响,以期获得较优的模型。     

基于SVM的RSM模型拟合方法研究

对于多极值、存在高阶交互作用和约束的复杂过程,参数RSM整体代表性差,难以达到全局最优;而非参数RSM在样本量有限时泛化性差,模型难以优化.将RSM模型拟合归结为一类有限制条件、可主动获取样本点的小样本学习问题;提出一种基于SVM的复杂过程RSM模型拟合方法,并提出了适用于RSM的实用性SVM核函数及参数选择方法.算例研究表明,所提的核函数及参数选择方法得到的泛化误差与其最小值的平均偏离率在20%以内;基于SVM的RSM拟合模型对因子约束、误差分布无严格限制,泛化性能、曲面重现能力均优于现有RSM,其平均泛化误差与样本量分别比非参数RSM降低约20%和30%,说明了所提方法的有效性与优越性.     

基于PSO和SVM的上市公司财务危机预警模型

提出了一种将经过改进的离散粒子群(PSO)算法和支持向量机(SVM)相结合的算法,以选择最优的指标集并用于财务危机预警。将此算法应用于上市公司的数据,检验模型提前3年的预警效果,最后与常见的主成分分析方法与SVM相结合的模型进行对比,结果证明了PSO-SVM模型的合理性和优越性。     

基于PSO优化SVM的建筑企业核心竞争力评价

从知识资本的角度出发,通过对影响建筑企业核心竞争力的因素进行了全面的分析,构建出了较为完善的建筑企业核心竞争力评价指标体系。在此基础上,提出了一种新的模型—PSO-SVM模型对建筑企业核心竞争力进行评价,该模型是处理小样本事件的最优选择,最后通过实例验证了该模型在建筑企业核心竞争力评价中的可行性和有效性。     

一种基于码本背景建模和多特征融合的火灾烟雾检测算法

该文提出一种基于码本模型和多特征融合的火灾烟雾检测算法。主要步骤是:首先,利用码本模型提取出视频中运动的前景像素;然后,结合暗通道先验知识对前景像素进行过滤,消除部分干扰像素;最后,统计疑似烟雾区域的颜色直方图、纹理直方图和边缘方向直方图特征,利用多特征融合的方式加以分类识别。多个视频场景测试结果表明,该算法具有良好的烟雾检测能力和抗干扰能力,可以基本满足实时性的要求,具有一定的实际推广价值。     

一种基于改进粗糙集的R&D中止决策方法

提出了一种改进粗糙集的R&D项目的中止决策方法,该方法应用向量空间理论知识在一定程度上改进了粗糙集中属性约简以及规则提取的算法,解决了R&D项目中止决策中产生的样本较小时粗糙集属性约简计算量大和特征提取规律不明显的问题,同时根据以往同类R&D项目失败或成功的经验作为学习样本,识别R&D项目的类别,从而做出中止还是继续进行的决策。最后以重庆市某大型企业近几年的R&D项目进展情况为实例,使用该方法和支持向量机两种方法进行了计算,对该方法进行了可行性和有效性验证。     

基于改进SMOTE的小额贷款公司客户信用风险非均衡SVM分类

研究了小额贷款公司对客户进行信用风险评估时面临的问题,构建了信用风险评估指标体系,改进了支持向量机(Support Vector Machine, SVM)对非均衡样本分类时分类超平面偏移的不足。首先分析小额贷款公司业务区域性强、信用数据来源不规范、评价标准不一致等特点,给出用于客户信用风险评估的四个维度指标。针对传统SMOTE算法在处理非均衡数据时对全部少数类样本操作的问题,提出仅对错分样本人工合成的改进思想,给出具体算法步骤。将改进算法用于某小额贷款公司客户信用风险评估案例中,分类精确度较其他算法有所提升,表明该方法的可行性和有效性。     

基于 SVM 的股份制商业银行利益相关者对资本配置绩效影响的仿真研究

针对商业银行中各利益相关者对银行资本配置的影响较为复杂,我国商业银行相关数据缺乏等问题,文章以支持向量机回归模型建立我国股份制商业银行各利益相关者对银行资本配置影响的仿真模型,并利用我国股份制商业银行 1999～2006 年的数据进行了仿真计算,并同 PLS 回归、BP 神经网络的预测结果进行了比较,证明这一思路是可行、有效的.     

基于时间序列与机器算法的工商银行股票预测分析

股票市场在国家经济发展中发挥着重要作用,对于投资者来说,其有可能获得超额收益,也有可能遭受巨大损失。因此,如何合理地对股票未来发展作出预测,是投资者关心的问题。文章基于支持向量机、逻辑回归及BP神经网络3种机器学习算法建立分类预测模型,对工商银行股票下一个交易日的涨跌走势进行分析预测,并使用时间序列ARIMA模型进行预测,综合考虑训练模型,分析比较时间序列模型与机器学习对工商银行股票的预测能力。     

基于脑信息特征人才选拔的决策模型

本文对脑信息特征和它的宏观检测方法进行了介绍,并以管理人员和技术人员选拔为例介绍了基于脑信息特征的人才选拔的决策模型的确定方法.首先通过脑信息处理宏观检测方法得到管理人员和技术人员表征脑信息特征的数据,根据这些数据利用基于统计学习理论的支持向量机的方法建立基于脑信息特征的管理人员和技术人员选拔的决策模型.并对决策模型进行了改进提出了结合专家经验的人才选拔方法.实验分析表明该模型和选拔方法是可行的.这为人才选拔方面的研究提供了一种新的研究思路.     

基于信息融合的数据挖掘方法在公司财务预警中的应用

目前越来越多的数据挖掘方法被用于风险预警中,决策树、支持向量机、神经网络、Logistic回归等方法在风险预警中都表现出了较好的特性和预警效果,但是不同数据挖掘分类方法得到的结果不同,往往导致预警结果的不一致,因此也会存在一定风险。本文引入信息融合技术对不同数据挖掘分类方法得到的结果进行融合处理得到最优的结果,解决了不同数据挖掘方法得到的结果不一致问题。文章在SVM和Logistic回归的数据挖掘模型基础上建立基于信息融合的公司财务预警模型,提高了财务预警准确率,并且保留了原数据挖掘方法在分类预测上的优势。在实证研究中,论文选取了中国制造业的上市公司作为研究对象,在SVM和Logistic回归两种数据挖掘模型的基础上利用信息融合方法建立了财务预警模型,实证结果表明,基于信息融合的数据挖掘方法的预测准确率要高于单独的SVM和Logistic回归两种方法。     

基于Sai-GA-SVR的我国IPO制度与新股市场特征研究

针对“中国IPO高抑价之谜”,提出了Sai-GA-SVR方法,从市场特征的角度来判断新股是抑价还是溢价,分析了我国1997年-2011年不同制度下的IPO市场特征.研究发现:审批制和价格管制导致了较为严重的抑价,但是随着市场化改革进程的不断推进,新股市场已表现出极大程度的溢价现象;询价制前的新股发行价格仅仅反映公司内在价值,不能反映IPO的市场供求关系与风险水平,同时过于依赖机构投资者的询价制扭曲了制度租金的公平分配.     

基于Sai-GA-SVR的我国IPO 制度与新股市场特征研究

针对“中国IPO 高抑价之谜”,提出了Sai-GA-SVＲ方法,从市场特征的角度来判断新股是抑价还是溢价,分析了我国1997年―2011 年不同制度下的IPO 市场特征． 研究发现: 审批制和价格管制导致了较为严重的抑价,但是随着市场化改革进程的不断推进,新股市场已表现出极大程度的溢价现象; 询价制前的新股发行价格仅仅反映公司内在价值,不能反映IPO的市场供求关系与风险水平,同时过于依赖机构投资者的询价制扭曲了制度租金的公平分配．     

一种基于多元分类支持向量机的企业财务危机预警方法

基于多元分类支持向量机提出了一种企业财务危机预警的新方法.以企业财务危机预警指标和对应实际分类结果为学习样本,采用交叉验证方法和"一对一投票"方法进行训练、测试,确定出所有两两分类的最优分类函教.实例结果表明,该方法有效、可行,为企业财务的动态预警提供了新的途径.     

一种基于客户行为时序分析的反洗钱异常交易识别方法

可疑交易报告制度是打击洗钱活动的一项基本机制,如何有效甄别可疑交易是金融机构和金融情报中心面临的一个技术难点。为辅助反洗钱分析人员从海量金融交易信息中甄别客户异常交易,本文提出一种预测误差和统计处理综合法--CPEST,通过分析客户前后行为的一致性来发现异常。CPEST建立客户行为模型,根据预测误差对客户行为进行时点异常检验,并在此基础上构造一个窗口检验,以提高对涉嫌洗钱行为的识别能力。本文在支持向量回归和核密度估计等具体实现手段的基础上,运用CPEST对实际交易和仿真数据进行分析,结果表明该方法的有效性和可行性,具有应用推广价值。     

一种基于PIM与核方法的模糊聚类新算法

本文针对模糊C均值聚类在大数据量时收敛较慢以及不能对多种数据结构有效聚类的缺点,结合PIM算法与核方法提出了一种新的高效聚类算法———KPIM算法,并从理论上证明了该算法的收敛性.最后利用标准实验数据IRIS数据集测试,结果表明KPIM算法在保证收敛速度的同时,聚类效果更有效.     

一种基于信息熵与K均值迭代模型的模糊聚类算法

本文提出了基于信息熵和K均值算法混合迭代模糊聚类的细分模型,解决了模糊聚类的原型初始化参数问题。将信息熵和K均值算法引入模糊聚类中进行分析,并结合测试样本数据进行实际分析,与传统方法相比,取得了较好的效果。