基于最小代价的多分类器动态集成

本文提出一种基于最小代价准则的分类器动态集成方法．与一般方法不同，动态集成是根据“性能预测特征”，动态地为每一样本选择最适合的一组分类器进行集成．该选择基于使误识代价与时间代价最小化的准则，改变代价函数的定义可以方便地达到识别率与识别速度之间的不同折衷．本文中提出了两种分类器动态集成的方法，并介绍了在联机手写汉字识别中的具体应用．在实验中使了３个分类器进行动态集成，因此，得到７种分类组合．在预先定义的代价意义下，我们比较了动态集成方法和其它７种固定方法的性能．实验结果证明了动态集成方法的高灵活性、实用性和提高系统综合性能的能力．

基于最小期望代价的汽轮机代价敏感故障诊断

在故障诊断领域,粗糙集已成为一种有效的不一致信息处理工具,然而当故障诊断存在明显的诊断代价差异时,粗糙集方法由于没有考虑诊断代价,不能取得满意的效果。本文提出了一种基于最小期望代价的汽轮机故障诊断方法,首先利用粗糙集方法进行故障诊断规则的提取,然后采用最小期望代价准则进行诊断决策的综合评价,克服了传统方法不考虑故障诊断代价的不足。该方法不仅实现简单,而且通用性强,能够被容易地应用于其他类型的学习器,从而考虑诊断代价。通过汽轮机振动的代价敏感故障诊断实验表明,在故障诊断存在不一致的情况下,本文提出的方法倾向于将故障诊断为高代价故障,从而能够达到降低诊断代价和风险的目的。

基于财务数据的小额信贷决策模型

本文利用Logistic回归分析不同贷款申请企业的还款概率,再通过最小误判代价准则确定可接受的还款概率,在此基础上构建最小误判代价(minimum misclassification cost)模型及改进的最小误判代价(advanced minimum misclassification cost)模型,通过对XY小额信贷公司的历史贷款数据进行分析,可以发现两个模型相对XY小额信贷公司采用的贷款收入比率(rate of debt and income)模型,有了较大的改进,在降低风险提高收益的同时,还能针对不同风险水平对贷款行为进行一定地调整,并且改进的最小误判代价模型还能对贷款金额进行一定的调整。