采用二叉树编码的遗传算法实现数据似合

针对采用数值分析方法进行数据似合求解复杂度高、运算最大而精度较低的缺陷，本给出一种基于二叉树编码的遗传算法来进行数据拟合，取得了较好的效果。     

基于多分类器融合的近红外光谱技术鉴别蜂蜜品种

建立基于多分类器融合的近红外光谱技术判别蜂蜜品种的方法。采用Fisher,SVM,PLS-DA和Ada Boost作为单分类器,分别建立蜂蜜品种的判别模型,通过差异性度量值分别对单个分类器进行筛选,得到差异性最大的3个分类器,将这3个单分类器进行融合,将融合后的多分类器模型用于对蜂蜜品种的判别分析。单个分类器模型对蜂蜜验证集样本正确率最大值为89%,采用加权投票方法对分类器进行融合,得到各个分类器的权值,融合后的模型对蜂蜜的判别正确率提高到96%。该方法鉴别准速度快,确度高,适用于对蜂蜜品种的鉴别。     

基于二叉树与三叉树期权定价的交替树图方法

文章提出一种简单直观的交替树图离散时间模型用于期权定价.文章基于传统的二叉树和三叉树定价模型中存在的问题与特点,将二叉树与三叉树模型结合,构建了二叉树与三叉树交替的树图期权定价模型,讨论了模型的收敛性.利用该模型对欧式期权和美式期权定价分别进行了数值计算,并通过上证50ETF数据进行实证分析.数值结果表明,所提的交替树...     

基于Person Ⅶ核函数的支持向量机及其在化学模式分类中的应用

化学模式分类问题通常是非线性的,而且比较复杂,难以用经典统计方法建立分类判别模型。以支持向量机(SVM)构建的分类器具有更好的分类性能。对于非线性分类,SVM通过核函数将其映射到高维特征空间中,然后再进行线性分类。因此,核函数往往是决定SVM非线性分类性能的关键。实际应用时,一般通过选择几种核函数,并对其参数进行优化,然后根据分类器的预测性能来决定,训练过程非常耗时,而且结果难以保证最优。为此,采用一种通用性的核函数,即PersonⅦ核函数(PUKF),它可取代目前常用的几种核函数,可避免SVM非线性分类器训练过程的核函数选择问题。本研究将基于PUKF的SVM分类器应用于两个化学模式分类问题,均取得了较好的结果。对于多类分类,设计了一种子分类器的构造方法,它在分类性能保持较好的情况下,简化了多类分类器结构,大大降低了计算量。     

关于无套利市场的二叉树期权定价模型性质的讨论

本文讨论了二叉树期权市场的无套利条件,引入有随机因素存在的二叉树欧式期权定价模型,并推出单阶段、多阶段情况下欧式期权的计算公式,证明了多阶段市场未定权益的重要性质.     

组合算法及其应用

提出了在组合算法设计和组合算法选择方面所应当遵循的三个原则,即通用性、可计算性和较少的信息冗余量,并初步分析了它们之间的相互关系.通过分析,提示了组合算法的设计方法,改进方向和优化技术.     

基于实物期权的油气开采许可证策略分析

石油与天然气作为我国最重要的矿产资源,其矿权管理采用许可证制度.基于我国的石油与天然气许可证体系结构,分析了石油天然气勘查与开采许可证的实物期权特性,采用实物期权思想对油气勘探开发项目进行战略经济评价,针对传统方法在颁发开采许可证时忽略了时间灵活性价值这一问题,提出了估算颁发开采许可证价值和对投资开发时机进行选择的办法.为资源管理部门和石油公司的决策提供科学依据.最后,应用实物期权法对一个算例进行了分析.     

一种改进二叉树支持向量机在故障诊断中的应用

考虑到构建二叉树支持向量机时样本的分布情况对分类器推广能力具有较大影响,提出一种改进的二叉树支持向量机层次结构构建方法.以类间样本距离和带权值的类内样本距离与其标准差的比值作为类的分类度.将类间距离大且类内样本平均分布广的类最先分离.利用标准数据集,通过与不同多类分类算法比较,验证了改进的二叉树支持向量机的优越性.对双转子涡喷发动机气路部件进行应用改进的算法进行故障诊断,得到了较好的故障识别率.     

基于SOM&SVM组合分类器的客户细分方法实证研究

为解决传统的RFM客户细分方法还不能很好地刻画客户行为,同时也没有就RFM指标权重进行分析这一问题,在RFM指标的基础上扩充了客户细分的指标体系,并提出了基于AHP的RFM指标权重确定策略.鉴于传统的单一分类器存在的很多缺陷,提出基于SOM&SVM的组合分类器模型,充分利用SOM和SVM单一分类器各自的优点,综合两种分类器的分类信息,避免单一分类器可能存在的片面性,从而提高分类的准确性.最后通过实例对上述模型的有效性进行验证.     

基于ABC-NB的慢性病诊断分类研究

在医疗领域,医生做出有效正确的决策非常重要,为了提高医生诊断的准确性,避免诊断结果受到医生的直觉、潜意识和自身知识不全面等因素的干扰而造成误判。提出了将改进的ABC-NB算法应用于慢性病诊断领域,以提高诊断效率,减少误判几率。将基于改进尺度因子的人工蜂群算法应用于慢性病特征的选择,对数据进行降维,剔除冗余、无关的特征,提高收敛速度,增强算法搜索全局最优解的能力。接着将预处理后的数据各特征值进行训练和学习生成贝叶斯分类器,构建预测模型。预测模块将诊断结果显示出来供医护人员参考,辅助进行诊断和决策。实验表明该模型具有很好的柔性和鲁棒性,能够稳定的计算出慢性病的概率,有效的辅助医护人员进行诊断。