基于最小二乘加权支持向量机的个人信用预测模型研究

针对不同类别样本数差异和不同误分代价的分类问题，提出了一种基于最小二乘加权支持向量机的分类预测方法。在最小二乘加权支持向量机的基础上，考虑不同类别样本数差异和不同误分代价，提出了新的最小二乘加权支持向量机分类模型，构造了新的最优分类函数。将该模型应用于个人信用预测实验，与已有方法的对比实验结果表明，提出的模型在解决不同类别样本数差异和不同误分代价的个人信用预测问题时，有效地降低了总误分代价，提高了个人信用预测精确度。     

基于改进Adaboost的信用评价方法

网络借贷环境下基于Adaboost的信用评价方法具有较高的基分类器分歧度和样本误分代价。现有研究没有考虑分歧度和误分代价对基分类器样本权重的影响,从而降低了网络借贷信用评价结果的有效性。为此,提出一种基于改进Adaboost的信用评价方法。该方法根据基分类器的误分率,样本在不同基分类器上分类结果的分歧程度,以及样本的误分代价等因素,调整Adaboost模型的样本赋权策略,使得改进后的Adaboost模型能够对分类困难样本和误分代价高的样本实施有针对性的学习,从而提高网络借贷信用评价结果的有效性。基于拍拍贷平台数据的实验结果表明,提出的方法在分类精度和误分代价等方面显著优于传统的基于Adaboost的信用评价方法。     

基于支持向量机的制造企业创新能力评价模型

在分析了制造企业创新能力评价指标体系的基础上进行企业调查,对收集到的不同类型制造企业的完整数据进行整理,因子分析整理后得到9个综合因子表述原数据,以减少数据处理及问题分析的复杂性.利用支持向量机作为分类器,并使用已有的企业数据作为训练样本,创建了基于支持向量机的制造企业创新能力评价模型.实验结果表明采用径向基函数和多项式函数作为核函数,此模型具有很好的分类性能,可作为制造企业创新能力的评价工具.     

集成随机森林和支持向量机的商业银行财务困境预测研究

提出了一种基于随机森林和支持向量机的集成模型来预测商业银行财务困境.结果表明,一方面,与多层感知神经网络相比,支持向量机可以更有效地作为集成学习模型的基分类器,虽然多层感知器神经网络在以往的研究中更多地被用于基分类器.另一方面,与现有的bagging、dagging、multiboost、adaboosting、random subspace等集成学习算法相比,该模型的预测性能明显提高.另一个关键发现是,利用银行业、宏观经济状况和国际金融风险变量补充银行层面的脆弱性,可以显著提高模型在商业银行财务困境预测中的表现.     

基于超球结构的支持向量机增量学习算法

本文首先分析了增量学习过程中支持向量与非支持向量的相互转化问题,而后在此基础上提出了基于超球结构的支持向量机增量学习算法。该算法主要利用超球结构,完成对增量学习中训练样本的选取,进而完成分类器的重构。实验表明,该算法比传统支持向量机增量学习算法具有更高的分类精度。     

基于邻域粗糙集的网络入侵分类诊断组合模型研究

网络入侵诊断直接影响网络正常运行和安全.针对入侵类型复杂,现有分类诊断模型精度有限的问题,提出一种基于邻域粗糙集的网络入侵分类诊断优化模型.首先,运用邻域粗糙集对网络入侵数据进行条件属性的约简,确定关键属性,然后将其作为训练输入构建相关向量机分类诊断模型,并同时运用遗传算法进行超参数优化,提高模型诊断精度和速度.通过KDDCup99数据集对优化模型性能进行检验,结果表明,组合预测方法精确度高于支持向量机、相关向量机和BP神经网络.组合模型诊断精度高、速度快,具有优异的综合性能.     

基于网络DEA的高端装备制造企业融资效率及影响因素研究

为有效测度高端装备制造企业融资效率.将融资过程分为资金筹集和资金配置两个阶段,运用网络DEA方法对42家高端装备制造企业2015-2020年间的融资效率及子系统效率进行测量,并用Tobit模型对高端装备制造企业融资效率影响因素进行分析.研究发现高端装备制造企业总体融资效率及资金配置阶段效率偏低,资金筹集效率比资金配置效率要更有效,高端装备制造上市企业应同时重视资金筹集效率和资金配置效率.外部环境、营运能力、盈利能力、营业收入增长率以及企业规模与高端装备制造企业融资效率是正相关关系,其中资产负债率与高端装备制造企业融资效率是负相关关系.为此高端装备制造上市企业需要提高企业营运能力,降低资产负债率,优化企业融资结构,提高盈利能力以提升融资效率.     

基于多分类支持向量机的评估模型研究

支持向量机中的参数直接影响其推广能力,针对参数选取的主观性,提出基于改进的遗传算法优化其参数,并将其应用于银行个人信用的五等级分类问题中,针对多分类问题,设计了3个二值分类器,不同分类的参数不同,通过实验证实可以达到更精细的分类效果.     

鲁棒半监督ν-支持向量分类机

支持向量机在近十年成为机器学习的主要学习技术,而且已经成功应用到有监督学习问题中。Fung和Mangasarian利用支持向量机对于既有已标类别样本又有未知类别样本的训练集进行训练,方法主要是利用少量已标明类别的样本进行训练得到一个分类器的同时对于未标明类别的样本进行分类,使得间隔最大化。此优化问题中假定样本是精确的,而在现实生活中,样本通常带有统计误差。因此,考虑样本带有扰动信息的半监督两类分类问题,给出鲁棒半监督v-支持向量分类算法。该算法的参数v易于选择,而数值试验也表明该算法具有良好的稳定性和较好的分类结果。     

果蝇优化最小二乘支持向量机混合预测模型—以我国物流需求量预测为例

为解决最小二乘支持向量机参数设置的盲目性,利用果蝇优化算法对其参数进行优化选择,进而构建了果蝇优化最小二乘支持向量机混合预测模型.以我国物流需求量预测为例,验证了该模型的可行性和有效性.实例验证结果表明:与单一最小二乘支持向量机和模拟退火算法优化最小二乘支持向量机预测模型相比,该模型不仅能够有效选择参数值,而且预测精度更高.     

基于粗糙集-层次分析法的制造业供应商评价选择

制造企业在确定供应商过程中,必须对供应商进行评价和选择,由于制造业的加工设备和加工工艺的复杂性,同时要确保供应商供货稳定和质量保证等多方面的因素,其评价指标体系必然有别于其它行业的评价指标.采用粗糙集属性约简的方法,对供应商评价选择指标进行约简分析,运用层次分析法对供应商进行评价选择.     

基于MC-ZF-HD-DS的高端装备制造企业持续创新能力评价研究

为客观和准确地评价高端装备制造企业的持续创新能力,建立了高端装备制造企业持续创新能力评价指标体系,采用MC-ZF-HD-DS对具体的高端装备制造企业持续创新能力进行评价。通过模糊粗糙集法对高频海选评价指标进行筛选,采用极差最大化组合赋权法对已筛选出的指标体系进行赋权,运用灰色定权聚类对评价对象进行聚类,在此基础上,运用证据理论对聚类结果进行合成,形成最终评价结果,最后通过实证分析验证了该方法的可行性和有效性。     

中国高端装备制造业的技术创新能力:2004～2014

为了评价中国高端装备制造业的技术创新能力,采用技术创新投入、技术创新开展、技术获取和技术创新产出等4个一级指标,以及RD经费、专利申请数等9个二级指标,构建了中国高端装备制造业技术创新能力的评价指标体系.依据这些评价指标体系分析和评价了中国通用设备制造业、专用设备制造业等六大类高端装备制造业在2004~2014年间的技术创新能力.根据评价结果,针对不同产业存在的具体问题,提出了加强产业技术创新能力建设的对策.     

高端装备制造企业组织创新演化机制研究——基于混沌理论

以演化视角分析高端装备制造企业组织创新类型和创新演化过程,并基于种群竞争模型,构建企业组织创新演化模型,通过分析模型平衡点稳定性及其演化趋势,发现当创新演化初始点出现在进入鞍点轨线附近时,其微小变化将导致最终演化状态的巨大差别。应用Lyapunov指数法判定高端装备制造企业组织创新演化的混沌性,运用创新演化模型模拟企业组织创新混沌演化过程并分析创新混沌演化规律。研究结果表明:①渐进式创新和激进式创新之间较强的竞争效应是企业组织创新演化进入混沌的一般条件;②鞍点是企业组织创新混沌演化的转折点,在进入鞍点轨线的影响域中,创新演化轨道的断裂位置和跃迁方向敏感依赖于初始条件;③环境变化对激进式创新的压力会增强创新演化的混沌性。     

A kernel-free quadratic surface support vector machine for semi-supervised learning

In this paper, we propose a kernel-free semi-supervised quadratic surface support vector machine model for binary classification. The model is formulated as a mixed-integer programming problem, which is equivalent to a non-convex optimization problem with absolute-value constraints. Using the relaxation techniques, we derive a semi-definite programming problem for semi-supervised learning. By solving this problem, the proposed model is tested on some artificial and public benchmark data sets. Preliminary computational results indicate that the proposed method outperforms some existing well-known methods for solving semi-supervised support vector machine with a Gaussian kernel in terms of classification accuracy.     

中国制造业企业绩效分化的关键影响因素识别及传导网络图解——基于机器学习组合算法的研究

大数据相关研究和机器学习方法为寻找中国制造业绩效分化的关键因素,以及探索关键因素对绩效分化的传导路径提供了新途径。本文基于岭回归和套索算法(LASSO)筛选出中国制造业绩效分化的重要影响因素,构建了贝叶斯网络确定制造业绩效分化对关键因素的依赖程度,结果显示:中国制造业企业绩效分化的最重要影响因素为资本生产率,制造业遵循“资本效率驱动型”而非“资本数量驱动型”的绩效增长模式。原材料工业企业绩效分化影响因素中杠杆率的重要度相对较低,装备制造业资本密集型的特点决定了企业绩效分化中资金成本和资产流动性的主要作用,消费品工业企业能否实现规模经济也是影响其绩效水平高低的重要因素。     

Integrated inventory management and supplier base reduction in a supply chain with multiple uncertainties

This paper considers a manufacturing supply chain with multiple suppliers in the presence of multiple uncertainties such as uncertain material supplies, stochastic production times, and random customer demands. The system is subject to supply and production capacity constraints. We formulate the integrated inventory management policy for raw material procurement and production control using the stochastic dynamic programming approach. We then investigate the supplier base reduction strategies and the supplier differentiation issue under the integrated inventory management policy. The qualitative relationships between the supplier base size, the supplier capabilities and the total expected cost are established. Insights into differentiating the procurement decisions to different suppliers are provided. The model further enables us to quantitatively achieve the trade-off between the supplier base reduction and the supplier capability improvement, and quantify the supplier differentiation in terms of procurement decisions. Numerical examples are given to illustrate the results.     

Linear feature-weighted support vector machine

The existing support vector machines (SVMs) are all assumed that all the features of training samples have equal contributions to construct the optimal separating hyperplane. However, for a certain real-world data set, some features of it may possess more relevances to the classification information, while others may have less relevances. In this paper, the linear feature-weighted support vector machine (LFWSVM) is proposed to deal with the problem. Two phases are employed to construct the proposed model. First, the mutual information (MI) based approach is used to assign appropriate weights for each feature of the whole given data set. Second, the proposed model is trained by the samples with their features weighted by the obtained feature weight vector. Meanwhile, the feature weights are embedded in the quadratic programming through detailed theoretical deduction to obtain the dual solution to the original optimization problem. Although the calculation of feature weights may add an extra computational cost, the proposed model generally exhibits better generalization performance over the traditional support vector machine (SVM) with linear kernel function. Experimental results upon one synthetic data set and several benchmark data sets confirm the benefits in using the proposed method. Moreover, it is also shown in experiments that the proposed MI based approach to determining feature weights is superior to the other two mostly used methods.     

基于供应方生产能力的应急物资生产模型

利用期权契约所建立的政企合作储备应急物资模式能够有效解决政府单独储备模式所造成的物资储备量过少或过多而引起的困境。然而由于应急物资的需求特性,若应急物资供应企业采用按单生产方式安排生产储备计划,势必会造成库存水平升高,引发资金周转困难等问题,对政企之间的长期合作造成不利影响。基于此,本文设计了基于供应方生产能力的应急物资生产模型。该模型在政府利用批发价格契约与期权契约采购应急物资的基础上,研究了供应方根据自身生产能力进行柔性生产时的生产与储备问题。通过推导政企双方最优决策后,重点分析了期权权利金,执行价格,加急生产成本等参数对供应方生产决策的影响,并证明与按单生产模式相比,柔性生产模式可有效降低供应方的库存量与生产成本,提高其利润,继而提高整体供应链的利润水平,有助于促进政企之间长期稳定的合作。     

公平偏好下基于批发价契约的供应链 协调研究

文中基于Nash讨价还价博弈思想建立公平偏好框架,构建公平偏好效用体系,以此为基础对采用批发价契约的报童模型展开行为研究,采用数理模型和数值分析方法分析了零售商和供应商的公平偏好行为对零售商和供应链系统最优订货量的影响,即零售商和供应商同时关注公平时,零售商和供应链系统的最优订货量趋于保守;并发现零售商和供应链系统的最优订货量随零售商的公平偏好程度增加而递减,但随着供应商公平偏好程度增加而递增,且供应链系统最优订货量变化趋势比零售商明显．然后,在此基础上分析比较得到,无论供应商和零售商是否偏好公平,批发价契约都不能实现供应链协调．最后,对批发价、零售价、供应商生产成本、零售商缺货成本和供应商缺货成本进行敏感度分析．