基于特征融合与决策树级联结构的多姿态人脸检测

为了提高复杂模式下多姿态人脸检测的速度与性能,提出了一种基于特征融合与决策树级联结构相结合的多姿态人脸检测方法.该方法给出了基于形态学梯度的边缘方位场特征,并提出了基于Haar-like特征与边缘方位场特征相融合的AdaboostSVM算法.通过对决策树级联结构进行改进,将特征融合的AdaboostSVM算法与改进的决策树级联结构相结合进行多姿态人脸检测.实验结果表明,该方法能明显改善复杂模式下多姿态人脸检测的速度与性能.

非均衡数据的债券违约预警研究

将上海交易所和深证交易所发行的30只违约债券和468只未违约债券作为研究样本,将债券是否违约设定为一个二分类问题进行识别分析,针对该问题构建了基于SVM的ADmR-AdaboostSVM分类模型;从企业资本结构、盈利能力、现金流量、偿债能力4个评估因素中筛选16个预警指标,运用ADASYN方法进行过采样合成新样本点,将特征提取mRMR方法引入债券违约领域,得出长期负债率、资本收益率、成本费用利润率以及股权比例这4个变量作为债券违约的最终预警指标,在此基础上运用AdaboostSVM模型进行风险识别。研究结果表明:在建模过程中克服了样本非均衡化问题使得分类精度显著提高,同时通过解决高维数据冗余问题,识别违约债券的准确率进一步提高,反复验证表明该模型具有较强的稳健性和有效性,具有一定的应用价值。