银行理财子公司数字化转型实践与探索

当前,数字金融与传统金融深度融合,给资管行业提供了充足的发展动力。本文分析了商业银行理财子公司数字化转型面临的形势,回顾了理财行业数字化转型的历程与现状,提炼了数字化转型的挑战和目标,最后从战略规划、能力建设等方面对商业银行理财子公司加快数字化转型提出建议,以期为理财行业高质量发展赋能。

部分数据缺失环境下的知识发现方法

介绍了目前的不完全数据环境下的知识发现研究工作 ,分两个部分提出了一个不完全数据库中的知识发现方法 .首先具体讨论了如何猜测丢失的数据 ,给出了基于距离的关联规则的定义及挖掘方法 .然后在此基础上详细描述了一个不完全数据库中的知识发现算法 ,分析了算法的复杂度 ,并给出了相应的实验结果 .最后 。

目前数据挖掘算法的评价

首先讨论了数据挖掘算法的评价标准问题，然后运用数据封装分析的方法评价了目前的分类算法，基于实验结果，对目前的关联规则挖掘算法进行了评价．

知识发现的若干问题及应用研究

知识发现是一个众多学科诸如人工智能、机器学习、模式识别、统计学、数据库和知识库数据可视化等相互交叉、融合所形成的一个新兴的且具有广阔应用前景的领域。

处理知识库中不一致性的超决定逻辑研究

本文首先分析了现有的能够处理知识库中不一致性的逻辑的不足，然后定义了超决定结构、模型和语义的概念，具体描述了超决定语义的计算过程，从而给出了一种能够处理知识库中不一致性的逻辑。

知识的约简研究

本文首先给出了知识约简问题的形式定义 ,然后详细描述了知识库中面向范畴的约简 ,面向属性的约简和面向规则的约简方法 ,分别提出了面向属性的约简算法和面向规则的约简算法 ,最后进行了一些讨论 .

事件序列中的知识发现研究

事件的序列是数据的一种常见形式，其中的知识发现问题是近年来ＫＤＤ的一个活跃的研究领域．本文首先给出了事件序列中知识发现问题的形式描述和框架算法，然后讨论了数据库中发现大序列的问题。

交互式基于范例的推理及应用研究

The traditional case-based reasoning has three drawbacks at least. They are(1) that solves the problems with Static fashions; (2)requires user to input a complete description of the problems to be solved;(3)and the system function is somewhat single. Conversation case-based reasoning can solve the above problems. This paper conducts the research and discuss to the new resarch method from the con-cept ,research congress,reasoning process,current research problems ,applications and the future direc-tions.

线性关联规则研究

首先讨论了布尔型关联规则的不足 ,然后提出了线性关联规则的概念 ,详细讨论了线性关联规则的挖掘方法 ,具体给出了线性关联规则的挖掘过程 ,分析了线性关联规则的作用 .还给出了实验结果 。

基于事例系统的验证和有效性研究

基于事例系统（ＣＢＳ）本身的特性使得其验证和有效性不同于其它的人工智能系统。本文首先给出了ＣＢＳ的验证和有效性的定义，阐述了ＣＢＳ的与验证和有效性相关的一些特性。然后分别介绍了ＣＢＳ中的基于结构的和基于统计的验证方法。在ＣＢＳ的有效性方面，详细描述了数学规化法和回归分析法。

基于共性抽象的类比推理模型研究

文中首先叙述了存在于类比推理过程中的直接转换和间接转换的概念．然后给出了基于共性抽象的类比推理模型的工作过程，讨论了基和靶之间的三种空转换，最后提出了创建问题模式和解决方案模式的算法．

基于时序逻辑的时序数据库中知识发现方法

知识发现是一个众多学科诸如人工智能、机器学习、模式识别、统计学、数据库和知识库、数据可视化等相互交叉、融合所形成的一个新兴的且具有广阔应用前景的领域。目前国际上对知识发现的研究与开发进展很快。众多现实世界(如天气预报、电信、金融)的数据库中数据都是随时间变化的,即数据具有时序性。目前,时序数据库中的知识发现问题正逐渐引起KDD研究者的兴趣。

基于聚类和分类的个性化文章自动推荐系统的研究

由于缺乏足够的反映用户兴趣的知识,以及巨大的在线计算量,导致互联网上现有文章自动推荐系统普遍存在盲目性和低效性的问题.针对以上问题,提出了一种基于聚类和分类的个性化文章自动推荐系统,利用机器学习的方法隐式地获取用户模型,并根据用户模型为用户提供个性化的文章自动推荐服务.该系统包括离线用户模型及用户群获取子系统和在线个性化文章推荐子系统两大部分,前者对文章进行聚类形成聚类兴趣点,构建基于聚类兴趣点的用户模型,并根据用户兴趣聚类形成各兴趣点的用户群;后者对待推荐文章进行分类,搜索到其所属的兴趣点,向该兴趣点的用户群进行主动推荐.理论分析和实验结果表明,该系统能够显著提高有效性和在线响应速度.所述的设计思想和技术也适用于其它互联网个性化信息自动推荐系统.

大型数据库中的高效序列模式增量式更新算法

提出一种称为FIMS(fastincrementalminingofsequentialpatterns)的序列模式增量式更新算法,处理因数据库的更新而引起的序列模式的维护问题.主要思想是利用原先的序列模式挖掘结果,通过建立一个投影数据库来减少对整个数据库的扫描次数和候选序列的生成,从而提高挖掘的效率.实验结果显示在更新数据量远小于整个数据库的大小时,FIMS算法的性能优于GSP算法4～7倍.

基于决策树学习中的测试生成及连续属性的离散化

文中介绍并分析了基于决策树学习中的测试评价标准、测试生成机制及连续型属性的离散化等方法和实现技术．通过分析表明，在离散化过程中，采用信息熵最小化启发式能带来较好的效果．与二分离散化方法相比，采用多分离散化方法能从相同的实例集中构造出更好的决策树．

一种基于加权复杂网络特征的K-means聚类算法

在分析了传统的基于划分的K-means聚类算法的优越性和存在不足的基础上,根据近两年复杂网络研究中部分新的理论成果,提出了复杂网络加权度、加权聚集度与加权聚集系数的定义,并将数据聚类转换为复杂网络上的节点聚类,提出基于加权复杂网络特征的K-means聚类算法(简称WCNFC算法)。实验结果表明,该算法根据节点加权复杂网络特征值,能够较好地找到聚类中心,有效地避免了对初始化选值敏感性的问题,从而使得聚类质量大大提高。

交联网络中的可重叠社团结构分析算法

现有的社团结构分析算法都是针对非交联结构的复杂网络,并且大多数是将网络划分为若干相互分离的社团,无法对彼此重叠、互相关联的社团结构进行分析.文中根据交联网络的结构特点,提出了一种交联网络中的可重叠社团结构分析算法(IBCPM算法),并利用该算法对用户收藏文章的交联网络进行了社团结构分析,对所获得的社团结构进行了统计分析.实验结果证明了文中算法的有效性及效率.

电力调度数据挖掘后处理方法的研究

关联规则是数据依赖关系的有效描述方法 ,是知识发现研究的重要内容 .然而 ,随着所挖掘数据库规模的增大 ,由传统数据挖掘算法所生成的大量关联规则常常令用户的使用与分析十分困难 .文中提出了一种新方法来解决这个问题并将其运用到电力调度数据挖掘系统中 .实验结果表明 ,该方法消除了大量冗余规则 ,并且使用户可以从整体上把握整个规则集 。

一种用于文章推荐系统中的用户模型表示方法

分析了现有文章推荐系统中基于关键词向量的用户模型表示方法存在的不足,提出了基于聚类兴趣点的用户模型表示方法。该方法可通过文章聚类形成兴趣点。由于传统的基于划分的聚类算法存在的不足,提出了基于复杂网络特征的文章聚类算法。实验结果表明该用户模型的表示方法较好地反映了用户多方面的兴趣,提高了文章推荐系统的性能。

用Naive Bayes方法协调分类Web网页

WWW上的信息极大丰富 ,如何从巨量的信息中有效地发现有用的信息 ,是亟待解决的问题 ,而 Web网页的正确分类正是其中的核心问题 .针对超文本结构中的结构特征 ,提出了用 Naive Bayes方法协调分别利用超文本页面中的文本信息和结构信息进行分类的方法 .经实验验证 ,与只用单种方法对超文本进行分类的方法相比 ,综合分类法有效地提高了分类的正确率 .