基于内扩散有效因子测定实验的3D虚拟仿真实验预习系统设计

催化剂内扩散有效因子测定实验是大学基础实验之一,传统的实验预习方法注重理论介绍,不能给学生以直观的感受和操作体验,导致学生对实验设备、操作步骤比较陌生。针对此问题,设计出一种基于3D虚拟仿真技术的实验预习系统,用操作3D虚拟仿真实验模型的方式来提高学生的实验预习效果。此系统还能基于一种惩罚扣分评分模型进行考核,能够对操作数据进行统计分析,不仅帮助学生加深对实验的理解,而且有利于提高教学质量。     

基于SVM的革兰氏阴性菌分泌系统蛋白识别方法

本文提出了一种基于SVM快速识别革兰氏阴性菌分泌系统蛋白的方法.该方法以氨基酸组成和位置特异性得分矩阵为最优特征集,充分考虑了蛋白质的序列信息及进化信息.实验结果表明,本文提出的方法对革兰氏阴性菌分泌系统蛋白具有较好的预测性能,可作为细菌分泌系统研究的有益补充.     

基于新模糊熵和得分函数的区间直觉模糊多属性决策

属性权重的确定以及对区间直觉模糊数的排序是多属性决策问题中两个最为关键的点。本文主要针对属性权重完全未知的多属性决策问题进行了研究,分析了现有大多数研究中关于区间直觉模糊熵和得分函数存在的局限性,进而提出了一种将不确定度和犹豫度相结合的新的模糊熵和得分函数。最后,通过对比实验证实了本文所提出的熵和得分函数应用到多属性决策中的有效性和合理性。     

基于多尺度特征提取网络的图像美学量化评分方法

提出了一种基于多尺度特征提取网络的图像美学客观量化评分方法,该模型主要由多个多尺度特征提取单元级联组成,每个单元包含由3个不同卷积核组成的特征提取层、融合层和映射层。特征提取层通过联合图像的全局视图和局部视图组成网络输入端,在输出端以EMD函数为损失函数,输出分布为1~10分的概率密度质量函数,并以分布均值作为图像美学量化值。实验证明,本文方法具有可行性和有效性,解决了传统方法只进行美感二进制等级分类的问题,给出了（模拟人类思维对）图像的客观量化评分;同时在AVA数据集上获得了优于几种主流算法的分类准确度。     

融入选项信息的多项选择题认知诊断测验分析方法

多项选择题作为认知诊断测验中一种重要题型,具有诸多优点的同时,也具有多个正确答案的特性.目前大多数认知诊断模型在处理多项选择题反应数据时采用二级评分或多级计分方法来估计考生的知识状态,但这2种计分方法的计分仍停留在题目层面上,并未深入到具体的选项层面,不能充分利用多项选择题中的选项信息.因此,该文开发了选项向量计分和空间向量距离判别法对多项选择题认知诊断测验分析方法,并通过模拟研究和实证研究来验证选项向量计分和空间向量距离判别法分析多项选择题认知诊断测验的性能.     

融合GAN与深度神经网络的混合信用评估方法

随着信用卡和个人贷款业务在金融业的快速增长,如何在信息有限的情况下检测潜在违约或坏账业务已经变得极其重要。信用评分领域面临的主要困难是样本不平衡以及分类器性能不佳,为此本研究首先提出了一种基于表格数据的生成对抗网络Tab-GAN,从原始数据中生成足够的违约样本;随后设计了一种基于CNN-LSTM的混合深度学习模型用于特征提取,该模型包含卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆神经网络(Long Short-Term Memory,LSTM)两个子模型,分别从用户数据中提取静态局部特征和动态时间特征,并加入时空注意力模块对模型的输出进行重要度计算,从而抽取更关键的信息;最后在分类器层面引入焦点损失函数改进轻量级梯度提升机(Light Gradient Boosting Machine,LightGBM)分类器,实现违约风险的概率输出。在两个真实世界数据集中验证风险预测模型,实验结果表明生成对抗网络可以有效解决样本不平衡问题,CNN-LSTM+LightGBM模型在各项分类评价指标上均优于信用评分领域的其他先进算法,证明了该模型在信用评分领域的有效性和可移植性。     

打分机制公平性评估的概率统计模型

针对评委聘请问题建立了综合评估模型,得出了各种评委的打分能力的评价分数,分析了评委淘汰的各种原因。就打分机制的公平性评价问题,定义了公平偏移度,建立概率统计模型,量化给出了几种打分机制的公平性的评价结果。     

支持向量机在银行客户信用评估中的应用

贷款业务是银行极为重要的资产业务,构建一个适用的客户信用评估模型十分重要。由于近年来在智能学习系统领域发展起来的新理论,并引入小样本学习的通用学习算法——支持向量机（Support Vector Machines,简称SVM）,建立银行客户信用评估模型。由于在统计学习理论中的结构风险最小化的SVM算法,克服了传统信用评估模型中的过拟合和局部最优的缺点。同时,通过在模型中采用核函数,有效地解决了线性不可分问题。因此,使得基于这种技术的评估模型具有较强的实用性。通过与神经网络模型的比较,证实了该方法用于风险评估的有效性及优越性。     

与k均值混合的支持向量机的个人信用评估

针对当前传统个人信用评价中的问题,提出一种将k-mean聚类方法和支持向量机回归模型结合起来的个人信用评估的新方法。该方法先将信用数据大致聚为k类,统计每一类的信用度,然后利用支持向量机进行回归。研究结果表明:与简单聚类方法和支持向量机分类方法比较,该方法有效地提高了整个模型的训练精度和测试精度。     

个人信用评分的Adaptive Lasso-Logistic回归分析

以个人信用风险为研究对象,分析影响个人信用评分的因素.利用某商业银行个人信用数据,并采用.Adaptive Lasso-Logistic回归模型对影响顾客的个人信用风险的因素进行分析,并与传统Logistic回归模型以及Lasso-Logistic回归模型进行比较.以对顾客"好"与"坏"的二分类结果的正确比例为主要衡量标准,实证发现以.Adaptive Lassi-Logistic回归方法建立的个人信用评分模型,在变量选择和解释上,以及预测的准确性上,均优于传统的Logistic和Lasso-Logistic方法.