基于高斯混合模型的分布因子聚类方法

随着信息技术的发展,人类社会产生的数据规模越来越庞大、形式越来越复杂,对聚类分析形成了巨大挑战。在越来越多的应用场景中,观测数据具有相互关联、层次嵌套的结构,使传统聚类方法难以直接适用。通常的解决方案是采用特征工程方法将观测信息压缩为低维特征向量进行聚类,但这将带来不可避免的信息损失。为充分利用观测数据,本文以分布函数表示聚类对象,大幅降低信息损失,进而提出基于高斯混合模型的分布因子模型。该模型将聚类对象的观测数据分解为两部分,一是以高斯成分表示的公共因子,反映数据中具有共性的典型模式;二是载荷矩阵,矩阵中每个载荷向量反映个体的异质性特征。估计得到载荷向量后即可对不同个体实现聚类划分。本文提出的方法具有优良的统计学效率,能够证明在一定假设条件下聚类误差率能够随着观测个体数目的发散而趋近于0。基于模拟数据和股票收益、大气污染实际数据的实验表明,该方法能够区分具有不同特征模式的个体,解决多维数据的分布函数聚类问题,并为金融风险管理、空气质量的差异化治理等现实问题提供决策支持。

36例早期复极综合征的心电图诊断

目的:探讨早期复极综合征(ERS)的心电图特点和变化规律,以减少误诊。方法:对36例ERS患者的临床资料及心电图资料进行回顾分析。结果:36例ERS的心电图均有ST段改变和T波振幅增高,其改变以V3～V5导联明显,此表现与某些心脏病的心电图改变相类似,故很容易误诊。结论:ERS易误诊为冠心病等心脏病,临床医生应提高对本症的认识,减少误诊。

面向第三方支付平台非结构化大数据分布特征的融合聚类算法

对于蓬勃发展的第三方支付平台,挖掘非结构化数据中蕴含的分布信息有助于平台对商户精准细分。为充分挖掘多元交易分布信息,本文提出针对多元分布样本的商户聚类算法。本文首先采用高斯混合模型拟合交易分布,进而基于Wasserstein距离提出多元分布间的距离定义,并设计迭代算法实现商户聚类。在此基础上,本文进一步提出融合多元分布与协变量特征的聚类算法,得到更综合稳健的聚类效果。本文分别在模拟数据和某第三方支付平台真实商户交易数据上进行验证,结果表明本文算法相较于其他对比方法具有更准确的聚类表现,并且通过聚类结果还能从分布、协变量特征等角度直观反映异常套现商户的行为模式,为第三方支付平台进行风险识别、个性化管理等提供决策支持。此方法可广泛应用于需要融合多维度数据分析的客群聚类场景。

5例急性非结石性胆囊炎的B超诊断体会

急性非结石性胆囊炎（AAC）临床较少见，以往文献报道为5％-10％，近年有上升的趋势。我院于2001年2月～2007年2月共收治AAC患者5例，均经B超诊断和手术证实，现将有关诊疗体会分析如下。

小学生摄食卫生与体质关系的调查

少年儿童是国家的希望,民族的未来,他们的健康状况,直接关系到国家的兴衰,民族的昌盛。要提高人民的健康水平和民族素质,必须从小抓起。学校承担着培养合格人材的重任,为了使他们在长知识时期同时长好身体,从小具有强健的体魄。

基于高斯谱聚类的风险商户聚类分析

随着电子支付的普及,市场涌现出越来越多的第三方支付平台,而当前关于第三方支付平台商户风险方面的研究相对较少。故本文提出基于高斯谱聚类的风险商户聚类方法,首先使用高斯混合模型构建交易-交易群体的双模网络;其次借助网络中信息传递的思想构建"商户-交易群体网络"的双模网络;再次使用双模网络聚类方法中的谱聚类方法同时对网络中的两类节点聚类,对商户节点聚类的结果可区分出不同风险级别的商户,对交易群体节点聚类的结果可以进一步描述风险商户的交易特征;最后本文分别在模拟数据和某第三方支付平台的实际数据中验证了模型的有效性。实验结果表明,本文提出的方法不仅可以准确地区分出不同风险级别的商户群体,而且能总结归纳风险商户的交易特征,为风险商户的监管提供参考。

老年人心绞痛型癫痫5例诊治分析

目的探讨老年人心绞痛型癫痫的临床特点。方法对5例心绞痛型癫痫患者的临床表现及心电图、脑电图、头部CT资料进行回顾性分析。结果心绞痛发作时心电图并无急性心肌缺血表现,而脑电图、头部CT则有相关改变,且抗心绞痛药治疗无效,而抗癫痫药治疗有效。结论老年人心绞痛型癫痫临床表现较复杂,但症状比较固定和刻板,且抗癫痫治疗有效,可资鉴别。

胆心综合征21例的临床与心电图分析

目的:探讨胆心综合征的临床特点和心电图变化规律,以明确诊断减少误诊。方法:对21例胆心综合征患者的临床资料和心电图资料进行回顾分析。结果:21例胆心综合征的心电图均有ST-T改变,其改变在Ⅱ、Ⅲ、avF导联及V 4~V 6导联明显,此改变与冠心病心绞痛的心电图改变相类似,故很容易引起误诊。结论:胆心综合征易误诊为冠心病心绞痛,临床医生应提高对本病的认识,减少误诊。

基于交易流水的信用卡套现交易及商户识别

信用卡套现是一种威胁正常金融秩序的风险行为。有效识别具有套现风险的商户及其风险交易,对信用卡风控具有重要意义。传统的信用卡风险识别方法需要先积累大量的标注数据,对持卡人拥有充分的先验信息。而信用卡标注数据的稀缺大大限制了传统方法的应用。本文充分挖掘海量交易流水数据,提出基于无监督学习的套现交易及风险商户识别方法。一方面,该方法无需关于信用卡的标注数据或先验信息,能够以数据驱动的方式过滤行为异常的套现交易及风险商户,具有更广泛的应用前景。另一方面,该方法综合商户的交易金额属性,及商户与消费者之间的关联关系,构建出一系列可解释性强的套现风险指标,为风控管理提供直观的指导参考。基于某第三方支付平台实际数据的实证分析表明,本文方法能够有效区分具有不同行为表现、不同风险等级的商户群体,为实际的套现交易识别提供可靠的决策支持。

基于已实现波动率的上证综指异常时序检测

时间序列模式识别、异常检测在金融领域有着广泛应用,能够为金融决策提供重要参考信息.在大数据场景下的异常检测中,为满足对计算效率、存储空间的要求,通常对时序数据利用近似表示进行降维.但在高频金融领域,已有的近似方法会丢失大量波动信息,而微观结构噪声、市场波动信息对高频金融分析至关重要.因此,本文在传统方法基础上,结合基于变点检测的时序近似表示和已实现波动率,通过聚类识别表现异常的时间序列.基于上证综指数据的实证分析表明,引入已实现波动率能够进一步优化聚类质量,准确识别波动异常的时间序列,为实际金融分析提供有价值的决策支持.

基于大数据的文化遗产认知分析方法——以北京旧城中轴线为例

以北京旧城中轴文化遗产为例,利用2012、2015年的相关微博、报刊新闻、学术文献数据,通过提取关键词,抽取词频、tf-idf权重、互信息、后验概率等特征,从群体、时间、空间多个维度分析文化遗产的认知。在人群维度上,通过具有特征性人群的传媒信息,发现不同人群对文化遗产的认识存在异同:对于中轴文化遗产核心单元故宫、天安门、天坛的认知相对一致,而对于钟楼鼓楼、太庙、地安门的认识,官方偏向于行政管理,学者偏向于历史价值,大众则偏向于生活化。在时间维度上,提取文化遗产关注程度和认知变化。如相对于2015年,大众对故宫、天安门的关注程度相对提高,对太庙的历史价值认识更为丰富。大众相对于官方和学者对文化遗产的认知更容易发生变化,且对热点事件敏感。在空间维度上,挖掘文化遗产单元之间的认知转移和关联模式,一方面,空间上相连的天安门—正阳门—正阳门大街具有较高的双向认知;另一方面,中轴文化遗产中,故宫、天安门、天坛的后验概率较高,表现出跨空间的认知汇聚模式。基于大数据的认知分析方法,是问卷调查、文献调研、访谈分析等传统方法的重要补充方式,能够降低数据收集者的主观影响,增加分析维度和效率,有助于发现隐含的知识和模式。本文结论可为文化遗产价值挖掘、保护提供决策支持。