基于平均准确度和贝叶斯准则指标遴选的企业违约预测研究——以中国上市小企业为例

研究上市小企业违约风险对缓解小企业融资难、融资贵难题以及促进经济平稳发展具有重要意义。本研究基于大数据视角从上市小企业财务指标、非财务指标和宏观经济指标等300多个指标中遴选出一组最优指标组合,并用这个最优指标组合建立中国上市小企业违约预测模型。本文的创新和特色:以指标Xi的基尼系数最小作为划分违约上市小企业和非违约上市小企业的节点。以一个指标组合构造一棵决策树,从m个指标中采用随机抽样的方法得到多个指标组合,并用这多个指标组合构建多棵决策树。计算任意打乱指标Xi的取值前后多棵决策树的违约预测误差值的差值均值,作为指标的重要性值Ⅵ(Xi),并保留重要性较大的指标。以保留的指标和上市小企业违约状态构造贝叶斯准则值,以每次增加一个指标和减少一个指标的方法,遴选贝叶斯准则值最小时的指标组合作为最优指标组合。研究表明:(1)本研究遴选的指标能预测上市小企业违约状态。(2)多数据集对比分析、多指标遴选对比分析和多模型对比分析结果表明,本文指标遴选方法优于蓝本文献和其他3种典型的指标遴选方法。(3)不同地理区域的上市小企业信用资质最高的是东部地区。不同上市途径的上市小企业信用资质最高的是非借壳上市小企业。

探究平均准确度AP指标的缺陷及其影响

平均准确度AP是计算机视觉领域物体检测算法的重要性能评价指标,长期用于相关学术研究成果的定量比较.我们在实践中发现AP指标存在缺陷不能准确反映物体检测算法的数量准确性.我们具体分析了AP存在缺陷的两种表现,首先是AP定义和计算方法允许虚警出现时召回率不变,出现一个召回率对应多个准确度的情况,AP值计算仅和该召回率对应的最大准确度有关,使得准确度降低的虚警检测被AP忽略或者称为被AP隐藏.其次,我们发现在高召回率区域,AP对于准确度的增量和对于召回率的增量偏好不同,且偏向于召回率增加,这意味着检测算法增加虚警对增加AP值更有益.AP值评价指标的缺陷有很大的危害,首先导致该领域研究存在人为反复调整阈值从而获得高AP值的可能,其次能够增强物体检测数量准确性的研究方法被长期抑制,阻碍了该领域的创新发展,最后导致追求高AP值的学术研究与追求数量准确性的实际应用严重分离,很多学术成果在实际运用中无法达到应用的要求.基于上述分析,我们呼吁对AP指标进行批判式的改进,以弥合学术研究和实际需求的鸿沟,促进技术创新和产业运用良性互动.

基于矩阵分解的社交网络正则化推荐模型

社交网站的快速发展和普及使得实现高效的好友推荐成为了一个热点问题,而矩阵分解算法是被业界广泛采用的方法.虽然传统的矩阵分解算法能够带来良好的效果,但是仍然存在一些问题.首先,算法没有充分利用用户之间的社交网络结构化关系;其次,算法依赖的用户-物品评分矩阵只有二级评分不能充分表达用户的喜好.提出了一种基于矩阵分解的社交网络正则化推荐模型,利用社交网络中用户的近邻关系进行建模,并将其作为一种辅助信息融合到矩阵分解模型当中,该模型能够解决传统矩阵分解面临的问题.通过在腾讯微博数据集上进行实验对比,验证了本文提出的方法与传统的推荐方法相比能取得更高的推荐平均准确度.

基于兴趣域检测的空间金字塔匹配图像分类

在图像分类过程中,一个图像区域内起着决定性作用的对象位置和大小都不确定,直接使用空间金字塔匹配算法的分类准确率并不高。为此,提出了一种基于兴趣域检测的空间金字塔匹配方法可以有效改善分类准确率。首先利用检测器得到的定位结果,证实了在图像分类里使用一种主流的目标检测算法去将图像的目标和背景分离,分别得到前景和背景的可行性,然后使用粗目标对齐方式匹配,为这两个区域分别构建基于空间金字塔匹配算法的空间特征直方图,最后结合检测器提供的兴趣域检测评分与支持向量机提供的评分为分类结果重评分。实验结果表明,所提方法比使用标准的空间金字塔匹配算法得到的平均准确度均值提升超过12%,同时在与三种主流算法的对比中,所提方法平均准确度均值最高,并且在超过一半的图像类别中获得了最高的平均准确度。