基于机器学习的信贷风险量化与决策分析

中小微企业在发展过程中需要信贷融资,然而部分企业的不良贷款会对金融稳定构成威胁。针对此问题,可以通过对企业相关财务数据进行分析,从源头上防范和降低信贷风险。本文采用熵权法、数据统计分析法、K均值聚类和BP神经网络等机器学习算法来给出相应的信贷策略,规避信贷风险。实验基于2020年全国大学生数学建模竞赛赛题发布的公开数据集,利用MATLAB R2018a和Python 3.9等工具进行代码编写。测试结果表明,本文方法可以有效地对中小微企业的信贷风险进行评估并制定相应的信贷策略。

基于松弛极线约束的月面复杂仿射变换图像匹配方法

月球车在月面巡视探测过程中采用大间距行进模式、以倾斜视角拍摄月面,导致相邻站点间所拍摄的月面图像重叠区域较小,并且在尺度、旋转上具有较大的差异;同时由于站点间图像仿射变换复杂、纹理相似度高且光照条件不一致,仅利用图像局部表观特征匹配极易发生错误。针对上述问题,提出了基于双向松弛极线约束的图像匹配算法,首先,将惯导测量的站点间近似相对位姿引入到成像光束的投影变换中,计算一个站点图像特征点在另一站点图像中对应的极线方程;其次,根据站点误差范围近似估计前后站图像中双向极线的松弛约束范围,构建限定在松弛约束范围内的匹配候选点集合;再次,利用FLANN算法进行特征匹配,选取同时满足双向松弛极线约束且相似度高的特征点对;最后,使用RANSAC算法进一步剔除错误匹配点,得到最终配对点集合。实验表明:上述算法在处理站点间大尺度、旋转变换月面图像匹配问题时,能够尽可能多地保留正确匹配点,极大提升匹配正确率和剔除无效匹配点,相比ASIFT等算法效果提升明显。