基于正态混合模型的贝叶斯分类方法及其应用

本文主要研究正态混合模型的贝叶斯分类方法.贝叶斯分类以后验概率最大为准则,后验概率需要估计相关的条件分布.对于连续型数据的分类,其数据由多个类别混合而成,仅用单一分布难以描述,此时混合模型是一个较好的选择,并且可由EM算法获得.模拟实验表明,基于正态混合模型的贝叶斯分类方法是可行有效的.对于特征较多的分类,不同特征对分类的影响不同,本文对每个特征应用基于正态混合模型的贝叶斯分类方法构建基本分类器,然后结合集成学习,用AdaBoost算法赋予每个分类器权重,再线性组合它们得到最终分类器.通过UCI数据库中实际的Wine Data Set验证表明,本文分类方法与集成学习的结合可以得到高准确率和稳定的分类.     

基于径向基函数模型的工程工料消耗的估算方法

将径向基函数网络方法应用于工程工料消耗估算 ,讨论了网络结构的设计、学习算法等问题 ;建立了基于径向基函数网络的工程工料消耗估算模型 ,计算实例表明 ,借助该模型可实现工程工料消耗的快速估算 .     

考虑模型相关性的组合预测过程中单项模型筛选研究

针对组合预测过程中单项模型筛选难以刻画模型之间相关性的问题,采用模糊测度和模糊积分来刻画模型的相关性,并对单项模型预测结果进行集成,进而提出一种考虑模型相关性的组合预测过程中单项模型筛选方法.采用2可加模糊测度来刻画不同模型之间的相关性,并利用Choquet积分依据模糊测度值,将单项模型的预测值集成起来,形成组合预测结果.在这个组合预测过程中,采用基于模糊测度定义的Shapley值和交互作用指标来对单项模型进行筛选.为了验证文章提出的考虑模型相关性的组合预测单项模型筛选方法的有效性,选择软件工程领域的软件成本估算问题进行算例分析,选择基于案例推理方法(CBR)、最小二乘回归(OLS)、支持向量回归机(SVR)、分类回归树(CART)、人工神经网络(ANN)等数据驱动模型作为软件成本组合预测过程中的单项模型.选择常用的Desharnias数据库来验证模型的有效性.实证结果表明文章提出的单项模型筛选方法是一种有效方法,经过筛选后的组合预测模型能有效提高软件成本估算的精度,此外,研究结果还表明组合估算过程中最重要的模型(Sharply值最大)并不是估算精度最高的模型,即单个模型的重要性与该模型的估算精度没有必然联系,说明传统的以单个模型估算精度为依据的组合预测模型存在着一定的缺陷.     

信用评级模型的特征选择方法研究

特征选择是信用评级建模的重要环节,合理的特征选择能够简化模型结构和提升分类效果.借鉴w-L1SVM模型的加权思想,借助Logistic-Group-Lasso模型筛选组变量的优势,提出处理信用评级特征选择问题的加权Logistic-GroupLasso(w-LGL)模型,该模型在选择变量时更加关注误判成本较高的违约客户,且能够实现分类变量的整组处理.与常规特征选择方法相比,w-LGL模型在数值模拟与实证研究中的分类效果更好.     

DNA序列分类的数学模型

本文从三个不同的角度分别论述了如何对 DNA序列进行分类的问题 ,依据这三个角度分别建立了三类模型 .首先 ,从生物学背景和几何对称观点出发 ,建立了 DNA序列的三维空间曲线的表达形式 .建立了初步数学模型 -积分模型 ,并且通过模型函数计算得到了 1到 2 0号 DNA序列的分类结果 ,发现与题目所给分类结果相同 ,然后我们又对后 2 0个 DNA序列进行了分类 .然后 ,从人工神经网络的角度出发 ,得到了第二类数学模型 -人工神经网络模型 .并且选择了三种适用于模式分类的基本网络 ,即感知机模型 ,多层感知机 ( BP网络 )模型以及 LVQ矢量量化学习器 ,同时就本问题提出了对 BP网络的改进 (改进型多层感知机 ) ,最后采用多种训练方案 ,均得到了较理想的分类结果 .同时也发现了通过人工神经网络的方法得到的分类结果与积分模型得到的分类结果是相同的 (前四十个 ) .最后 ,我们对碱基赋予几何意义 :A.C.G.T分别表示右 .下 .左 .上 .用 DNA序列控制平面上点的移动 ,每个序列得到一个游动曲线 ,提取游动方向趋势作为特征 ,建立起了模型函数 ,同时也得到了后二十个 DNA序列的分类结果 ,而且发现结果与上述两个模型所得到的分类结果几乎相同 (其中有一个不同 ,在本模型中表示为不可分的 ) .此模型保留的信息量更多 ,而且     

基于卷积神经网络的公安案件文本语义特征提取方法研究

公安案件文本语义特征提取指的是从案件文本中提取案件的作案方式等特征.从本质上说问题是一类特殊的文本分类问题.构建了基于卷积神经网络(CNN)的文本语义特征提取方法框架.构建了CNN文本分类模型;针对多标记特征提取问题,使用问题转换法结合CNN分类方法来提取特征;讨论了分类中不均衡数据带来的问题,改进了CNN模型中的损失函数.实证结果表明:使用的CNN模型对于文本分类的效果优于传统的支持向量机等分类模型;使用问题转换法中的二值相关法结合CNN模型进行多标记语义特征提取准确率较高;改进后的CNN模型更加适合于不均衡数据的分类,宏平均F1值有了显著的提升.     

基于机器学习模型预测A股市场高送转股票

A股高送转作为我国政策特有的现象,对其精确、有依据的预测有一定的研究价值.本文对A股数据集进行缺失值、异常值、标准化等数据处理,采取特征选择中过滤法、包裹法、嵌入法等方法提取特征,结合经济学意义得到最终特征.数据的不平衡采取过采样、欠采样以及SMOTE采样等方法处理.最后采用基于Stacking算法融合模型,第1层学习器采用5种分类机器学习模型,并进行超参数调整;第2层采用LightGBM模型预测,以F1分数为评价指标,进行对A股市场预测哪些公司可能会实施高送转.     

基于高斯混合和BP神经网络的卵巢癌质谱数据三分类模型

癌症的早期诊断可以显著提高癌症患者的存活率,三分类问题就是将未知样本与已知样本进行匹配度检测,预测样本是健康状态,良性发展状态,还是癌症状态.针对复杂难分的卵巢癌蛋白质质谱数据,提出了一种基于高斯混合模型和BP神经网络的三分类预测模型.首先,去除原数据中的冗余,对其进行方差排序及交集筛选提取特征集合一,再利用高斯混合模型处理求得参数作为特征集合二,最后使用BP神经网络进行样本三分类,准确率达到72.9%.结果表明:模型可以作为卵巢癌质谱数据三分类的可选择工具.     

贝叶斯分类模型的改进及其应用

利用加权贝叶斯分类模型对北京科技大学本科生英语四级考试通过率进行预测.通过对误判数据的分析,调整贝叶斯分类器的判别条件,改进了加权贝叶斯分类模型.实验表明,改进后的模型大大提高了预测结果的准确性.此外,还引入了学生"潜力因子"的概念,为教学与学习提供了个性化的提示和有针对性的建议.     

消费者信心指数与CPI分类指数的动态分析

针对消费者信心指数(CCI)与CPI、CPI分类指数构建了长期自回归分布滞后模型和短期误差修正模型.实证结果表明,一方面,CCI和CPI、各个CPI分类指数之间不仅存在时滞性的长期均衡关系,而且存在短期调整特征.另一方面,CPI和CPI分类指数与CCI的动态特征存在显著差异.因此,在分析CCI对价格预测作用时,在关注CPI和CPI分类指数的同时,也需要关注CCI与CPI分类指数的长期均衡和短期调整的时滞性,以便更好地发挥CCI预测经济走势的先行指标功能.     

开放式多中心需求可拆分VRP及混沌遗传模拟退火算法

综合考虑客户需求量允许被拆分、配送系统拥有多个配送中心且车辆可就近返回配送中心的运输模式,建立以配送中心日均建设成本、车辆派遣成本、理货成本和油耗成本之和最小为目标的数学模型,并根据问题特征设计了混沌遗传模拟退火算法对问题进行求解。通过对不同规模以及不同类型的算例进行实验,验证了混沌遗传模拟退火算法求解本文问题的有效性。     

基于CSO-SVR的气膜钢筋混凝土储仓主体结构施工成本预测研究

为了较准确的预测气膜钢筋混凝土储仓主体结构施工成本,提出一种鸡群算法(CSO)和支持向量回归机(SVR)结合模型,即CSO-SVR,利用CSO算法对SVR进行寻优得到全局最优解,从而得到具有最佳参数的支持向量回归机模型,通过气膜钢筋混凝土储仓主体结构施工成本数据预测仿真,结果显示:CSO-SVR模型预测精度高于PSO-SVR,GA-SVR,SVR,BPNN等方法,是预测气膜钢筋混凝土储仓主体结构施工成本的有效工具.     

Learning-by-doing may not be enough to sustain competitiveness in a market

The economic order quantity model and its variants are the oldest reported scientific inventory models in the literature. They are mathematically simple to use and understand. This characteristic contributed to their popularity. However, they have limitations that restrict their application in practice. Researchers have extended those models by relaxing some of their restrictive assumptions. One of the main limitations of the EOQ model is the estimation of its cost parameters, such as setup and holding costs, which include some hidden (or difficult to estimate) components. Emerging research proposes using the second law of thermodynamics when to measure the hidden (entropy) costs of inventory systems. Another research stream focuses on learning-by-doing, which reduces the unit cost of a product, thus reducing its price and enhancing a firm's competitiveness. This paper assumes that a buyer receives a shipment from its vendor following the EOQ model. The buyer invests in the vendor's process to accelerate learning (mainly workers training, among other things). The buyer's unit purchase cost reduces because of learning at the vendor's side. The buyer's competitors also learn, increasing competitiveness. For this purpose, we develop an EOQ model where price-dependent demand is analogous to a heat transfer equation, which is used to determine the entropy cost. It accounts for improvement by learning as a result of the buyer's investment to compete in a market. The implementation and management of improvement programs are not usually smooth, resulting in disorder quantified by an entropy cost function. The developed EOQ model is investigated with and without entropy costs. Numerical results representing different scenarios are provided to illustrate the behavior of the models and identify the factors affecting the decision variables and, subsequently, the buyer's profitability. The results showed that in a competitive market, the buyer has to maintain a learning rate faster than those of its competitors to ensure a prolonged, but indefinite, profitability. The results also showed that investment in learning is meaningful when the competition is fierce.     

施工项目中设计风险元传递模型研究

针对设计变更对项目实施的影响,本文将影响施工项目的设计变更原因称为项目的设计风险元,基于广义项目风险元传递理论建立系统动力学模型,动态研究设计风险元传递过程。通过模型模拟分析不同时间、不同程度的设计风险元对项目工期和项目费用影响程度,当设计风险元发生后,设计审批及设计过程将影响项目工期;受施工工序影响设计风险元造成实际施工速度不饱和,使得施工效率低下形成窝工;由于设计风险元导致的返工造成施工项目的工期延误和成本超支。此模型为风险管理者或项目管理者在设计风险管理方面提供了有力依据。     

考虑完整交易费用的组合证券投资求解

针对中国证券市场现存的各种交易费用,建立一个更加符合实际的组合证券投资模型.该模型不仅继承了股票不可拆分、不能卖空等特点,而且完全反映了交易费用的核算情况;最后给出一个遗传算法结合动态罚函数求解的投资实例,计算结果证明了该模型及其求解方法的有效性和可操作性.     

Construction and selection of quantitative planning models — a general procedure illustrated with models for stock control

The paper investigates the process of quantitative model construction when for a particular realworld decision problem different quantitative models are available. It develops first some general features for constructing a model hierarchy comprising all quantitative models which should be taken into consideration. The main objective is an investigation into the selection process giving the best quantitative model for the particular decision problem at hand. This selection, however, can be performed in different ways possibly ending up with different models. A myopic selection principle is suggested which leads to a class of strategies. Different strategies within this class are discussed showing the complexity of the selection procedure. The investigations are illustrated using inventory models particularly stressing the role of cost parameters.     

基于复杂性和成本的NPD项目权变管理策略研究

本文在项目管理的选择法和学习法的组合模式的基础上,提出同时采用多方案并行和强化学习两种管理策略能有效应对NPD项目的复杂性。在如何决定并行数量和学习强度的问题上,基于效率准则进行了理论分析,提出了主要的权变变量,即复杂性和成本。并基于NK模型进行了仿真模拟,探讨了不同情境下,项目绩效随两种管理策略的变化规律。     

Stability analysis of switched ARX models and application to learning with guarantees

The main subject of this work is the stability analysis of Switched Auto-Regressive models with eXogenous inputs (SARX), which constitute a reference class for switched and hybrid system identification. The work introduces novel conditions for the arbitrary switching stability of multiple-input multiple-output SARX models which exploit the peculiar structure of their state-space realization. The analysis relies on the properties of block companion matrices, and partly leverages results from the theory of non-negative matrices, without nevertheless asking for an input–output positive behavior of the model. The novel stability conditions have a simple formulation in terms of linear co-positive common Lyapunov functions, and come at a remarkably low computational cost, being solvable by Linear Programming. The low computational burden is particularly attractive in an identification context, as it allows to efficiently constrain learning procedures in order to obtain SARX models with stability guarantees. The latter is itself a contribution of the work, as it fills a gap in the literature on the estimation of SARX models. The results are validated on a particular learning technique based on Regression Trees – a well known machine learning algorithm – which has shown remarkable accuracy in experimental environments.     

基于独立分量分析——最小二乘支持向量机的公路建设项目投资估算新模型

为快速、准确地进行公路建设项目投资估算,提出了一种新型的公路建设项目投资估算模型.该模型首先基于独立分量分析技术,根据最小互信息原理,有效分离出公路建设项目投资估算的独立影响因素源.然后,将这些独立影响因素源用于最小二乘支持向量机的训练,从而建立了基于独立分量分析技术—最小二乘支持向量机的公路建设项目投资估算模型.该模型将独立分量分析技术的盲信号分离能力与最小二乘支持向量机处理有限样本条件下非线性回归问题的优势有机结合,提高了模型预测的准确性.