基于改进图半监督学习的个人信用评估方法

针对个人信用评估中未标号数据获取容易而已标号数据获取相对困难,以及普遍存在的数据不对称问题,提出了基于改进图半监督学习技术的个人信用评估模型。该模型采用了半监督学习技术,一方面能从大量的未标号数据中学习,避免了个人信用评估中已标号数据相对缺乏造成的泛化能力下降问题;另一方面,通过改进图半监督学习技术,对图半监督迭代结果进行归一化及修改决策边界,有效减小了数据不对称的影响。在UCI的三个信用审核数据集上的评测结果表明,该模型具有明显优于支持向量机和改进前方法的评估效果。

大采高工作面围岩活动规律分析

采用FLAC有限元数值模拟方法,模拟了王家岭矿2号煤层20101采煤工作面的开挖过程,对现场中根据顶底板围岩实际情况合理选择不同采高和沿底、沿顶两种布置方式进行大量模拟,并对顶板下沉量、煤壁变形、支撑压力、顶板应力,以及围岩破坏状态进行了全面深入的分析,结合现场工作面来压规律实测分析,证明在王家岭煤矿2号煤层的条件下,最有利于围岩控制的采高为6.2 m,沿顶开采更有利于围岩控制;与此同时,模拟分析了不同支架工作阻力对围岩控制的效果,根据顶板下沉量和围岩破坏情况分析,得出合理的支架工作阻力是11 000 k N。现场实践表明,所采用的支护方案可以较好地控制围岩。

半自动眉毛识别方法

提出了基于哈希图半监督学习和支持向量机的半自动眉毛识别方法。针对图半监督学习构图时间复杂度过高的缺点,提出了基于哈希图半监督学习的纯眉毛图像半自动提取方法。在纯眉毛图像的基础上通过傅里叶变换和Gabor变换及主成分分析提取纯眉毛图像的特征向量,用于支持向量机的训练和识别。在北工大眉毛数据库上,通过眉毛识别实验,分析了图半监督学习和哈希图半监督学习对提取纯眉毛图像速度的影响,并且总结了它们与特征向量和核函数的选择对识别率的影响。

神经网络滑坡预报系统研究与应用

借助于人工神经网络(ANN)模型,研究开发了矿山边坡滑坡预报神经网络综合预报系统,通过输入边坡的变形监测信息,进行矿山边坡开采过程的边坡失稳实时预测预报,为深部矿山边坡安全措施决策奠定基础。

GOCAD地质三维建模技术在矿山边坡工程中的应用

介绍了GOCAD地质三维建模技术建模思路及主要建模步骤,并成功利用GOCAD软件建立了白云鄂博东矿边坡的地质信息三维可视化模型,为矿山边坡工程地质分析和工程设计提供可视化参考。

正例半监督学习眉毛图像分割

针对传统交互图像分割方法需要同时标注背景和前景的问题,提出一种新的交互图像分割方法——正例半监督学习图像分割。该方法结合正例半监督学习和图半监督学习,仅需要在感兴趣的图像区域标记少量像素点,就可以完成该区域的分割。在北工大眉毛图像数据库上的实验表明本文提出的方法与图半监督学习、随机游走和Lazy Snapping相比具有更稳定的分割效果。

最大规范化依赖性多标记半监督学习方法

针对现有多标记学习方法大多属于有监督学习方法,而不能有效利用相对便宜且容易获得的大量未标记样本的问题,本文提出了一种新的多标记半监督学习方法,称为最大规范化依赖性多标记半监督学习方法 (Normalized dependence maximization multi-label semi-supervised learning method).该方法将已有标签作为约束条件,利用所有样本,包括已标记和未标记样本,对特征集和标签集的规范化依赖性进行估计,并以该估计值的最大化为目标,最终通过求解带边界的迹比值问题为未标记样本打上标签.与其他经典多标记学习方法在多个真实多标记数据集上的对比实验表明,本文方法可以有效从已标记和未标记样本中学习,尤其是已标记样本相对稀少时,学习效果得到了显著提高.

从希尔伯特-施密特独立性中学习的多标签半监督学习方法

基于希尔伯特-施密特独立性提出了一种新的半监督学习方法,称为最大化依赖性多标签半监督学习方法(dependence maximization multi-label semi-supervised learning method,DMMS)。该方法将样本已有标签作为约束,以最大化特征集和标签集的关联性为目标,通过求解一个线性系统为无标签数据打上标签,具有实现简单,无参(nonparameter)的特点。多个真实多标签数据库的实验表明,DMMS与最好的多标签学习方法,包括多标签近邻(multi-label k-nearest neighbor,MLKNN)和图半监督学习方法具有类似的识别效果。

我国中小私营企业融资方式研究

我国中小私营企业在国民经济运行中发挥着越来越重要的作用,但其融资状况却不容乐观。由于融资渠道不畅,融资效率低下,融资困难已成为制约其发展的瓶颈。随着金融市场不断发展,一些新颖的融资方式逐渐产生,在一定程度上缓解了中小私营企业的融资困难,成为中小私营企业走出融资困境的重要举措。

无形资产在会计确认和计量中存在的问题

会计实务侧重于对有形资产的计量,但在知识经济时代,无形资产的范围和项目日见增多,无疑,对无形资产的计量也就越来越重要,但在现行会计实务中却不能将无形资产完整地计量。本文就无形资产的会计确认与计量中存在的问题提出些看法。

我国企业对外并购问题研究

通过对我国企业跨国并购行为的分析,可以看出跨国并购在我国发展极为迅速,我国企业的跨国并购也势头强劲。为此,我国企业在对外并购中除注重培育自己的竞争优势外,还要警惕外资的垄断性并购;注重加强企业文化、经营理念等与国外企业的融合;政府也要为企业并购提供有力的政策支持,以确保并购活动的顺利实施。

平衡化图半监督学习方法

许多机器学习的实际应用中都存在数据不平衡问题,即某类的样本数目要远小于其他类别.数据不平衡会使得分类问题中的分类面过于倾向于适应大类而忽略小类,导致测试样本被错误地判断为大类.针对该问题,文章提出了一种平衡化图半监督学习方法.该方法在能量函数中引入均衡化因子项,使得置信值不仅在图上尽量光滑且在不同类别之间也尽量均衡,有效减小了数据不均衡的不利影响,21个标准数据集上对比实验的统计分析结果表明新方法在数据不平衡时具有显著(显著性水平为0.05)优于支持向量机以及其他图半监督学习方法的分类效果.