期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于AUC回归的不平衡数据特征选择模型研究 被引量:12
1
作者 李扬 李竟翔 王园萍 《统计与信息论坛》 CSSCI 北大核心 2015年第5期10-16,共7页
针对不平衡数据的泛化预测和特征选择问题,提出了一种引入MCP惩罚函数的AUC回归模型(MCP-AUCR)。该模型采用考虑所有阈值信息的优化目标函数,具有处理不平衡数据的能力,并具有较好的特征选择效果;在讨论该模型定义与原理的基础上,提出... 针对不平衡数据的泛化预测和特征选择问题,提出了一种引入MCP惩罚函数的AUC回归模型(MCP-AUCR)。该模型采用考虑所有阈值信息的优化目标函数,具有处理不平衡数据的能力,并具有较好的特征选择效果;在讨论该模型定义与原理的基础上,提出相应的循环坐标下降训练算法,并通过数值模拟研究验证其优良性质;针对中国股票市场机械、设备、仪表板块中的上市公司,构建了基于MCP-AUCR的财务预警模型。研究结果显示:该财务预警模型可以选择出可解释的重要财务指标并进行有效预测,显著优于传统模型。 展开更多
关键词 AUC回归 MCP惩罚 特征选择 财务预警
下载PDF
清末沈阳的城市与园林建设情况 被引量:2
2
作者 张健 李萌 李竟翔 《华中建筑》 2017年第3期90-94,共5页
清末的沈阳,在外国列强的侵略和压迫下,特别是日俄战争之后,开始了被动的现代城市建设进程。这个时期的沈阳,城市面貌因战争而发生了巨大的改变,城市景观也呈现出传统与现代共存、中西方文化交融的情况,特别是西式公园的出现,反映出当... 清末的沈阳,在外国列强的侵略和压迫下,特别是日俄战争之后,开始了被动的现代城市建设进程。这个时期的沈阳,城市面貌因战争而发生了巨大的改变,城市景观也呈现出传统与现代共存、中西方文化交融的情况,特别是西式公园的出现,反映出当时西方文化的强势入侵的情况。沈阳不仅出现了具有现代意义的城市公园景观,一些私家公馆园林也呈现出受西方文化影响的趋势。而以万泉公园、奉天公园为代表的新式公共园林,是沈阳近代城市公共园林绿地建设的开端。 展开更多
关键词 清末 沈阳 城市建设 私家园林 寺庙园林 城市公园
下载PDF
民国奉系军阀时期的沈阳城市园林建设 被引量:2
3
作者 张健 李萌 李竟翔 《华中建筑》 2016年第11期31-35,共5页
在近代奉系军阀统治沈阳时期,传统的皇家陵园开始对外开放而形成了城市公园,新建了具有现代园林功能和景观形象的城市公园,建设了各类城市公共广场,并对城区主要道路和广场进行了大规模的绿化。这一时期沈阳的私家宅邸园林建设兴盛,而... 在近代奉系军阀统治沈阳时期,传统的皇家陵园开始对外开放而形成了城市公园,新建了具有现代园林功能和景观形象的城市公园,建设了各类城市公共广场,并对城区主要道路和广场进行了大规模的绿化。这一时期沈阳的私家宅邸园林建设兴盛,而且景观形象丰富,显现出深受西方文化影响的特征。与此同时,满铁附属地的公共园林绿地和城市广场建设,虽丰富了沈阳的城市园林绿地景观,但也极大地改变了原有古老城市的面貌。 展开更多
关键词 民国奉系军阀 城市公园 城市广场 私家宅邸园林
下载PDF
昙花一现的近代中国东北神社园林
4
作者 张健 李竟翔 《华中建筑》 2017年第10期61-65,共5页
自1905年的日俄战争之后,日本接管了俄国在中国东北地区的殖民权益,开始进行以掠夺资源和吞并东北为目标的大规模建设,内容涵盖从经济到文化的各个领域。而大量日本神社建筑与园林的出现,就是这一时期日本殖民建设和文化侵略的具体体现... 自1905年的日俄战争之后,日本接管了俄国在中国东北地区的殖民权益,开始进行以掠夺资源和吞并东北为目标的大规模建设,内容涵盖从经济到文化的各个领域。而大量日本神社建筑与园林的出现,就是这一时期日本殖民建设和文化侵略的具体体现。该文以近代中国东北地区的四座典型神社园林为例,对20世纪上半叶在这一地区出现的神社园林进行了系统介绍,内容包括神社园林的平面格局、构成要素和景观特点等,分析总结了日本神社园林的景观风格与特色。指出中国近代东北地区的日本神社园林建设,虽出现的时间较短,但对该地区城市公共园林的形成和发展具有一定的影响,并对有关遗址的保护与研究提出了建议。 展开更多
关键词 近代中国 东北地区 神社园林 景观特点
下载PDF
不平衡数据的企业财务预警模型研究 被引量:28
5
作者 李扬 李竟翔 马双鸽 《数理统计与管理》 CSSCI 北大核心 2016年第5期893-906,共14页
在股票市场中,由于被评为"ST"的公司数量远远少于普通的公司,所以用于训练财务预警模型的数据有着严重的不平衡性。而一般的分类模型如logistic回归等并不具备处理不平衡数据的能力。本文应用加权L1正则化支持向量机(w-L1SVM... 在股票市场中,由于被评为"ST"的公司数量远远少于普通的公司,所以用于训练财务预警模型的数据有着严重的不平衡性。而一般的分类模型如logistic回归等并不具备处理不平衡数据的能力。本文应用加权L1正则化支持向量机(w-L1SVM)构建一个可以处理不平衡数据的财务预警模型:一方面,w-L1SVM通过对两类样本的损失函数进行加权处理,有效地解决了样本不平衡性带来的预测精度问题;另一方面,w-L1SVM通过引入LASSO罚,使得模型在训练的过程中可以直接进行特征选择。通过数值模拟,本文验证了w-L1SVM在非平衡数据分类问题中的预测和特征选择表现。在实证研究中,本文针对我国股票市场机械、设备、仪表板块中的上市公司构建了一个基于w-L1SVM的财务预警模型,结果显示基于w-L1SVM的财务预警模型可以有效选择重要的财务指标并预测被评为"ST"的公司,并且其预测效果显著优于非加权的传统模型,这充分说明了w-L1SVM在财务预警问题中的适用性。 展开更多
关键词 加权的L1正则化支持向量机 不平衡样本 特征选择 财务预警
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部