基于期望熵的人才流动模型及其选择

Shannon熵可以表示模型不稳定性。本文提出了期望熵的概念并在此基础上建立了人才流动模型。本文还讨论了该模型的选择 。

期望效用-熵决策模型在沪市证券投资选择中的应用研究

对期望效用-熵决策模型作了简要介绍,然后将该决策模型应用到投资决策领域;利用沪市证券市场的实际数据进行验证,应用该决策模型对原上证30指数样本股进行择优筛选,并对其筛选结果与二阶随机占优准则筛选的结果进行比较,得到如下结论:与二阶随机占优准则相比,利用期望效用-熵决策模型选择股票更易于操作,并且选出的股票进行优化组合可得到收益更高、风险更小的投资回报。

基于期望效用-熵风险度量的决策者风险态度

期望效用-熵风险度量将决策者对于风险的感知表示为风险行动的期望效用和状态的熵线性组合,其表达式中,期望效用-熵平衡系数为重要常数参数;展望理论中的实证表明决策者的风险态度和其财富水平相关,文章分析了一类特定决策者财富水平的变化对其风险态度的影响,通过Arrow-Pratt风险厌恶度建立了该类型决策者期望效用-熵平衡系数和财富水平之间的一个关系式,在此基础上分析和解释了一些特定决策者的某些决策行为。

期望利润熵在供应链协调中的应用

提出由客观状态的不确定性和结果价值两方面因素造成的期望利润熵的概念,定义并构造期望利润熵的函数表达式,阐明期望利润熵作为客观状态和决策行动方案的合理性。通过运用期望利润熵来度量由于随机需求引起订购过量和缺货的结果带来的不确定,提高销售商的决策水平。数字实验表明:考虑利润最大和期望利润熵最小的策略比仅考虑利润最大化得到的策略更好,可以使供应链、销售商及供应商都受益。

基于期望效用–熵的风电交易风险控制方法

在逐步开放的电力市场环境下,发电商可通过在合约市场以及现货市场等不同类型的市场中合理分配交易电量来规避交易风险。在此背景下,针对溢价机制下风电商在电力市场中的电量分配问题,综合考虑了现货电价的不确定性、风电出力的波动性以及风电商对风险的喜好程度等因素,提出了基于期望效用-熵的风电商电量分配决策模型。应用该模型,对风电商在年度合约市场、月度合约市场以及现货市场3个市场的总发电量分配进行了计算。计算结果表明:该模型能够反映风电商对市场风险的偏好程度改变时的决策特征,可使风电商在获得其期望收益水平的同时降低交易风险。

基于改进PSO的无线传感器网络数据自适应聚类算法

为解决无线传感器网络数据类项过于繁杂的问题,将相似信息参量整合成独立的簇类对象集合,提出基于改进PSO的无线传感器网络数据自适应聚类算法。按照改进PSO算法的作用机制,确定欧氏距离指标的计算数值,实现对网络数据的处理。在无线传感器网络体系中定义聚类排序原则,结合相关数据样本求解自适应期望熵,完成无线传感器网络数据自适应聚类算法研究。实验结果表明,在改进PSO算法作用下,无线传感器网络数据经过整合后的簇类对象集合数量由20个减少到6个,能够解决无线传感器网络数据类项过于繁杂的问题,满足按需整合相似信息参量的实际应用需求。

关于扭曲数学期望的几个性质

本文研究了扭曲数学期望.利用构造示性函数的方法,证明了扭曲数学期望满足常数平移不变性的充要条件是该扭曲数学期望是熵期望.

基于期望效用-熵模型的日本外汇储备资产结构优化研究

外汇储备指一国政府所持有的国际储备资产中的外汇部分,即一国政府保有的以外币表示的债权,是一个国家货币当局持有并可以随时兑换外国货币的资产。外汇储备资产的有效管理则需要综合分析外汇储备资产的使用渠道和投资方向及本国的外汇管理机制。本文基于外汇储备资产结构优化的理论基础,选择期望效用熵-模型对日本的外汇储备资产结构进行优化。本文首先对全球的外汇储备现状和日本的外汇储备资产结构做出相关的说明,并且指出日本外汇储备资产中存在的问题。选取了国际清算银行统计下2005—2022年间占据前14位交易量的货币,利用名义有效汇率指数进行了期望效用-熵风险的排序;接下来结合日本的经济贸易发展情况、汇率制度,以及外币储备国的经济水平等影响外汇储备资产结构的因素,选取了几种主要货币进行资产结构的优化;并加入了新兴市场的货币进一步做出优化研究,得出日本外汇储备资产结构的最优分配比例。最后将中国和日本的外汇储备资产结构做以对比,并得出相关建议。

一种改进的K-Modes聚类算法

传统的K-Modes算法采用0-1简单匹配方法计算对象与类中心(Modes)之间的距离,并将每个对象分配到离它最近的类中去。采用基于频率方法重新计算各类的类中心(Modes)、定义目标函数,然而,对象的归类方法和目标函数的定义没有充分考虑分类数据的特点。对此,提出一种改进的K-Modes算法,采用期望熵最小的衡量方法进行归类,并且采用期望熵作为新的目标函数。通过实验将该算法与传统的K-Modes算法进行比较,表明该算法是更有效的。

文本分类中特征选择方法的比较与改进

为了在面向旅游领域的文本分类系统中选择有效的分类特征,提高分类性能,本文根据系统采用的训练集、训练过程及分类算法等因素重新对各常用的特征选择方法进行了综合实验评测,比较了五种常用的特征选择方法,对于评测结果最好的三种函数:期望交叉熵、信息增益和互信息,通过理论分析和科学实验,分别提出了不同的改进方法.实验结果表明改进的期望交叉熵方法在本应用中能够最有效地提高系统的分类性能.

文本分类中一种基于选择的二次特征降维方法

特征选择和特征抽取是文本分类中特征降维的主要方法。目前各种特征选择方法主要致力于度量特征与文本类别的相关性，却很少考虑特征之间的冗余性问题，从而影响特征降维的效果。本文提出一种基于选择的两步特征选择方法，既考虑一些类别信息较强的特征的选取，又减少一些类别判定方面的冗余特征，在尽量减少信息损失的前提下达到有效缩减特征维数的目的。对中文文本的分类实验结果表明，本文提出的特征降维方法在文本分类的准确率方面效果较好。

基于特征选择的实体关系抽取

提出了一种实体关系抽取方案,该方案针对实体关系抽取中特征空间维数过高问题,引入了文本分类中的特征选择算法,如信息增益、期望交叉熵和x2统计,实现了特征空间降维。实验结果表明,各特征选择算法均能在尽量保证抽取性能的同时有效地降低向量空间维数,提高分类效率,其中x2统计取得的效果最好。

基于改进Nave Bayes的垃圾邮件过滤模型研究

分析了目前在垃圾邮件过滤中广泛应用的NaveBayes过滤模型(NBF),指出了期望交叉熵(ECE)特征词选取方法的不足。提出了改进的NaveBayes垃圾邮件过滤模型(A-NBF),用改进的期望交叉熵(AECE)选取垃圾邮件特征词,并在邮件分类过程中对特征词进行加权,从而提高对垃圾邮件过滤的精度。实验结果可以看出A-NBF比NBF在过滤精度方面有明显的提高。

用于中文文本分类的基于类别区分词的特征选择方法

特征选择是中文文本分类过程中的一个重要过程,特征项选择的优劣直接影响文本分类的准确率。在分析几种特征选择方法的基础上,提出一种类别区分词的特征选择方法。实验结果表明,类别区分词的特征选择方法的分类效率高于传统方法,从而验证了该方法的有效性。

基于索引项权重的文本特征选择方法

为改善文本分类的效率和效果,降低计算复杂度,在分析了经典的特征选择方法后,提出加权的文本特征选择方法。该方法不仅利用数据集中文本的个数,还充分考虑到索引项的权重信息,并构造新的评估函数,改进了信息增益、期望交叉熵以及文本证据权。利用KNN分类器在Reuters-21578标准数据集上进行训练和测试。实验结果表明,该方法能够选出有效特征,提高文本分类的性能。

基于改进隐马尔可夫模型的文本分类研究

将一种改进的隐马尔可夫模型(HMM)应用于文本分类中,在考虑其前向依赖的同时,需考虑状态的后向依赖性.将当前观测值和和当前状态对其后一状态的依赖性加入模型的学习,这样的改进模型能有效提高文本信息抽取准确率.在文本分类过程研究中,首先对训练样本进行文本预处理,对HMM分类器模型进行参数学习,建立HMM分类器后用测试集进行测试并做出性能评价.在性能评价中用改进的评测指标,可针对不同数据集做出准确评价,以及可对比不同分类工作在同一数据集上的性能,大大提高评价质量.

改进的期望效用-熵模型在沪市股票选择中的应用研究

用Arrow-Pratt风险厌恶度来度量期望效用-熵平衡系数以改进风险型决策的期望效用-熵模型;根据改进的期望效用-熵模型以及期望效用准则,分别从上证50指数样本股中选取7只股票构造投资组合,进行比较.研究结果表明,用改进的期望效用-熵模型得到的股票组合效果更优.

基于期望效用—熵模型的我国外汇储备结构优化研究

高速增长的外汇储备是一把"双刃剑",它在增强一国综合实力的同时,带来了宏观调控难度增加、货币政策独立性被妨碍及汇率面临巨大风险的问题。本文将风险决策中的期望效用-熵模型运用到外汇储备结构优化的研究中,利用该模型从我国"一篮子"货币中选取了几种货币作为我国外汇储备货币,再选取2005~2014年的108个月度数据,对我国外汇储备结构进行实证研究,得出了不同收益约束条件下的最优货币资产权重,并对中国如何合理优化外汇储备结构提出建议。

中文文本自动分类中的特征选择改进与研究

特征选择是中文文本分类过程中的一个关键环节,文本特征项选择的优劣将直接影响文本分类的准确率。针对传统的特征选择算法没有考虑到特征项的类别区分度在特征选择中的作用而丧失了一些优秀的特征项的问题,文中通过引入特征项的类别区分度对传统的特征选择算法进行改进。实验结果表明,改进方法的分类效果要好于传统方法,从而验证了改进方法的有效性和可行性。

基于改进CHI和带权ECE结合的特征选择方法

针对文本分类特征选择方法中的卡方统计(CHI)和期望交叉熵(ECE),分析了其特点和不足。为了避免传统CHI和ECE方法在不平衡数据集上分类效果差的问题,通过引入调节因子和除去负相关影响因素,给出了改进的CHI方法(pCHI),并以加权的方式弥补ECE方法倾向于选择弱区分能力高频特征的缺陷(ωECE)。在综合两种改进后方法的基础上,进一步提出基于改进CHI和带权ECE结合(pCHIωECE)的特征选择方法。经对比实验验证,pCHIωECE方法的查准率、F1值均优于CHI、ECE及pCHI、ωECE方法,且该方法的降维稳定性更好。