L-SMOTE与SVM结合的不平衡数据集分类研究

针对不平衡数据集的低分类效率,基于L-SMOTE算法和混合核SVM提出了一种改进的SMOTE算法(FTLSMOTE)。利用混合核SVM对数据集进行分类。提出了噪声样本识别三原则对噪声样本进行精确识别并予以剔除,进而利用F-SMOTE和T-SMOTE算法分别对错分和正确分类的少类样本进行采样。如此循环,直到满足终止条件,算法结束。通过在UCI数据集上与经典的SMOTE等重要采样算法以及标准SVM的大量实验表明,该方法具有更好的分类效果,改进算法与L-SMOTE算法相比,运算时间大幅减少。

全球城市文化资产综合评估指标体系及实证研究

城市文化资产的运作能够为城市的发展繁荣提供强劲动力。当前世界城市的发展趋势表明,城市文化资产已经成为构筑全球城市的重要力量。本研究通过梳理文化资产内涵及外延,进一步厘清全球城市文化资产的概念及特性,构建全球城市文化资产的评估指标体系,明晰全球城市文化资产保值增值的考量范畴及其重要作用。通过计算典型全球城市的文化资产综合排名,确定当前全球城市文化资产布局现状。以标杆全球城市文化资产的管理及运营模式为参照,分析当前全球城市文化资产保值增值的主要模式,以纽约、巴黎、伦敦和东京为范本,总结其城市文化资产保值增值的路径,凝练全球城市文化资产保值增值对策,以期为更多城市提供启示。研究发现,文化资源的整合、借鉴以及城市间的文化资源联动发展对城市文化资产保值增值至关重要﹔同时,也要注重城市历史文化资源保护,充分挖掘自身优势,突出城市文化资产标识度﹔最后,要精准把握产业融合发展大趋势,依托互联网技术,构建城市数字文化产业体系,全面助推全球城市文化资产保值增值。

基于改进的MRMR算法和代价敏感分类的财务预警研究

针对上市公司财务预警数据呈现出的高维和不平衡的双重特性,基于改进的MRMR算法和代价敏感分类构建财务预警模型并进行实证分析。首先,为了克服财务预警数据的不平衡性对特征选择和分类的不利影响,使用组合采样技术SMOTE+ENN进行数据平衡化处理。其次,利用绝对值余弦度量构建改进的MRMR算法并进行特征选择。最后,将支持向量机、L2-逻辑回归和CART决策树及其对应代价敏感模型作为比较模型进行财务预警研究。通过大量实证分析显示,SMOTE+ENN的引入有效提升了ST公司样本及其对应特征的重要性。在不影响财务预警模型总体分类性能的前提下,改进的MRMR算法可以得到更为简洁的预测特征集,且组合模型MRMR_FDAQ+CSSVM的预测结果最优,因此建议优先将该模型应用于上市公司财务危机的预测。

基于BP神经网络的湿地道路生态景观综合评价研究

该文采用德尔菲法确立了湿地道路生态景观的评价指标体系,并基于BP神经网络算法构建了湿地道路生态景观评价模型,解决了多指标变权的动态求解问题。最后以衡水湖国家级湿地道路生态景观为例进行实证分析,验证了湿地道路生态景观评价指标体系的可行有效性和综合评价模型的实用性,效果良好。

非线性组合动态传播率模型与我国COVID-19疫情分析和预测

针对传统的流行性传染病学中基本传染数R_(O)难以准确估计以及单一模型预测精度低的缺陷,利用组合动态传播率替换基本传染数R_(O),提出基于支持向量回归的非线性时变传播率模型并对我国COVID-19疫情进行分析和预测。首先,计算动态传播率的离散值;其次,使用多项式函数、指数函数、双曲函数和幂函数分别对动态传播率的离散值进行拟合并基于最佳滑窗期k=3构建相应的预测模型;接着,基于拟合优度等评价指标选择最佳的三种单一模型并对其预测结果进行非线性组合;最后,利用非线性组合动态传播率模型对湖北、全国除湖北和全国COVID-19疫情进行分析和预测。实证结果表明提出的非线性组合动态传播率模型对不同地区COVID-19疫情数据的预测误差均相对较小;对重点省市COVID-19疫情的拐点预测切实合理;湖北、全国除湖北与全国自2020年2月27日起后20天疫情预测曲线的拟合优度分别为98.53%、98.06%和97.98%。

基于集成学习的上市公司高送转预测实证研究

我国证券市场中高送转题材股备受中小投资者的追捧,但市场中也存在着借高送转概念炒作的乱象,如何利用上市公司的财务数据挖掘真正有潜力的股票无疑具有重要意义。采用2158家制造业上市公司7年的财务指标作为研究数据,利用采样、特征选择以及集成学习算法构建上市公司高送转预测模型并进行实证研究。结果显示:采样和特征选择方法均能有效提高集成预测模型的性能;相较于数据集中的冗余信息,数据不平衡问题对模型预测准确率的影响更显著;ADASYN+mRMR+XGBoost组合模型取得了最好的预测结果,高送转样本的分类准确率达到84.96%,建议投资者优先选用该组合模型对上市公司的高送转情况进行预测。

结合代价敏感与集成算法的个人信用评估模型

针对个人信用数据存在连续型和离散型交织并存以及类不平衡问题,为提高信用评估分类效果,提出一种结合代价敏感和集成算法的个人信用评估分类模型。通过集成信息价值、互信息、信息增益率和基尼指数特征,选择算法生成最优特征子集。结合代价敏感构建以L1-逻辑回归、弹性网-逻辑回归、贝叶斯、决策树和神经网络为基模型的集成模型,并辅之动态加权投票策略。实证结果表明,将集成特征选择算法的模型指标G-means和F-value与原始特征集相比,分别提升了8%和18%,与mRMR特征选择后模型的预测性能相比也有一定提升,且该模型具有一定的鲁棒性。

基于行政处罚案例的洗钱风险评估建模与实证研究

基于中国人民银行行政处罚案例构建度量洗钱风险危害程度的评估模型并进行实证分析.基于1717例中国人民银行行政处罚案例,构建5个一级风险等级指标.利用层次分析法和熵权法对风险等级指标进行权重赋值,构建基于主客观方法相结合的行政处罚洗钱风险危害程度的评估模型.利用随机森林模型检验指标权重的有效性和模型的准确性.试验结果表明,测试集样本整体的F−score达到94%,研究成果可为行政管理部门从大量反洗钱行政处罚案例中发现典型案例和突出问题提供参考,推动和促进我国反洗钱制度建设.