基于支持向量机的私募股权投资风险预测

由于私募股权基金在运作过程中存在着多层委托代理关系,从而产生了不同利益主体之间的信息不对称,并进而造成了逆向选择和道德风险问题,这是私募股权投资产生风险的最主要根源,这种投资风险可以从宏观和微观两个层面进行识别和预测。基于此,可构建私募股权投资风险的备选指标体系和支持向量机模型,并进行实证评价。实证结果表明：私募股权投资风险随着投资周期的增加而提高,相应的投资风险也因各种不确定因素的增加而呈现上升趋势;SVM方法对私募股权投资风险能够进行有效预测,这将为私募股权投资风险的预测提供理论指导和方法借鉴。     

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.     

基于自适应集成分类器的数据流概念漂移算法

数据流具有连续、实时、有序及无限等特点,使用传统的数据挖掘技术来处理数据流的分类面临着严重的挑战,很难处理数据流中的概念漂移问题.文章结合现有的决策树分类挖掘算法,提出了自适应集成分类器方法,构建了数据流概念漂移的自适应集成分类模型,通过不断更新训练样例的权重与属性类别,将训练样例从现有的数据集中分离出来,并被确定为新类别属性的训练样例,以达到对数据流中概念漂移现象的有效检测,仿真结果也证明该方法的适应性和可靠性.     

元学习算法选择机制及关联对性能的影响

提出一种元学习定义,从偏差/方差分解角度对元学习中学习算法的选取机制进行研究,得出了元级选用错误率低且偏差小的学习算法、基级学习算法按照错误率及方差从低到高排列的结论。鉴于标准数据集不能充分评估关联对元学习性能的影响,设计了一种模拟算法以产生模拟数据集。在UCI标准数据集和模拟数据集上的实验表明,同常用的多数投票等组合方法相比,基于算法选择机制的元学习表现出优良的性能,且分类器之间的负关联有助于性能的改进。     

Fisher大间距线性分类器

作为一种著名的特征抽取方法,Fisher线性鉴别分析的基本思想是选择使得Fisher准则函数达到最大值的向量(称为最优鉴别向量)作为最优投影方向,以便使得高维输入空间中的模式样本在该向量投影后,在类间散度达到最大的同时,类内散度最小。大间距线性分类器是寻找一个最优投影矢量(最优分隔超平面的法向量),它可使得投影后的两类样本之间的分类间距(Margin)最大。为了获得更佳的识别效果,结合Fisher线性鉴别分析和大间距分类器的优点,提出了一种新的线性投影分类算法——Fisher大间距线性分类器。该分类器的主要思想就是寻找最优投影矢量wbest(最优超平面的法向量),使得高维输入空间中的样本模式在wbest上投影后,在使类间间距达到最大的同时,使类内离散度尽可能地小。并从理论上讨论了与其他线性分类器的联系。在ORL人脸库和FERET人脸数据库上的实验结果表明,该线性投影分类算法的识别率优于其他分类器。     

基于BAM的通信信号分类方法

针对密集战术通信信号的实时分选问题,提出了采用TMS320C25开发系统为预处理器,BAM/NBAM(双向联想存储器/新型双向联想存储器)为信号分类器的新型分类系统结构,并分析了信号特征及提取方法。对BAM/NBAM作为信号分类器的结构、原理、性能作了探讨。结果表明,基于BAM/NBAM的通信信号分类方法是有效的,其性能优于传统的线性分类方法。     

基于多分类器组合的个人信用评估模型

针对个人信用评估单一模型存在的不足,提出一种基于多分类器组合的个人信用评估模型.该模型综合了多元判别分析、logistic回归、神经网络、支持向量机等七种个人信用评估单一模型的预测结果,利用加权投票方法对其进行组合并输出最后预测结果.在某商业银行信用卡数据集上的测试结果表明,组合模型能有效地提高预测精度及稳健性,对信贷机构控制消费信贷风险具有很好的适用性.     

面向P2P网络的DDoS攻击抑制方法

提出了一种分布式的基于对P2P网络中各节点进行分级的DDoS攻击抑制方法。采集了多个能分别反映当前节点本身或周围节点网络状况的评级因子,并通过不确定性推理确定当前节点分级值。分级值决定转发率。使用线性分类作为丢包策略对需发送数据包进行分组、丢弃,以降低误报率。仿真实验表明该方法能够有效抑制P2P网络上的DDoS攻击,提高整个网络抗攻击弹性。     

音乐情感自动分类器研究

随着计算机技术、网络技术的迅猛发展,以及用户对音乐检索要求的提高,情感分析与情感检索技术在音乐网站上得到了新的应用.该文基于心理学、声学、音频信号处理等理论基础,从情感分类、特征提取、分类器的构造三方面来研究音乐情感自动分类系统的构建和应用.     

朴素贝叶斯网分类器在认知诊断中的应用

朴素贝叶斯网分类器是贝叶斯分类器的一种,文章将其应用到现代教育测量的认知诊断分类中,对0,1计分下的认知诊断进行了实验,并与认知诊断中典型的分类方法进行了比较。实验结果表明,利用贝叶斯网分类器分类效果明显占优。