基于样本依赖代价矩阵的小微企业信用评估方法

针对小微企业信用历史数据规模较小,而且类别不平衡问题较为严重,提出基于样本依赖代价矩阵的Smote XGboost-Bayes Minimum Risk(SXG-BMR)模型,对整体样本进行低倍率过采样,以弱化类别不平衡问题,降低模型过拟合的风险;模型将集成学习模型与最小风险贝叶斯决策相结合,以实现代价敏感。同时,模型中引入了样本依赖的代价矩阵,该代价矩阵不仅与类别有关,而且与样本自身属性有关,可以更为准确地表征代价。使用标准信用数据集和上海市小微企业信用数据集,进行多种算法的对比分析,结果表明,该模型性能优良。

样本依赖与连接依赖的等价性(英文)

以抽象代数为工具,探索了全样本依赖与全连接依赖之间的关系.首先,分别在全样本依赖集和全连接依赖集上建立等价关系,这两种等价关系都将作用相同的依赖视为等价依赖.然后证明了在这两个等价关系下的商集分别构成么半群,并且这两个么半群是同构的.这就等于证明了全样本依赖类本质上等同于全连接依赖类.最后给出了一个关于全无环连接依赖的有趣结果.有关结果可以在关系数据库的设计中发挥积极作用.

样本依赖型最小平方回归学习算法的收敛速度

目的研究基于样本依赖型的范数正则化学习算法的收敛性分析。方法概率论与数理统计的方法。结果给出了一种用K-泛函表示的收敛速度。结论文中的研究表明,样本依赖型学习算法与通常的核学习算法具有相同的收敛速度。

Rasch模型在李克特量表中的应用

阐述传统测量方法在李克特量表分析中的固有缺陷,即测验依赖与样本依赖,项目间以及项目选项间计分方式的不合理性的基础上;通过研究实例说明Rasch模型中处理这些问题的方法,并阐述了所用方法的客观性。通过比较,说明Rasch模型是一种客观等距的测量模型。

敏感设备电压暂降失效后果状态格序化评估

为评估敏感设备经历电压暂降后的最可能故障状态,提出一种格序化方法。从设备电压暂降多值映射后果状态的物理属性出发,提出多值映射后果状态刻画方法,用各后果状态的上、下概率构成的区间数刻画设备状态,各可能状态构成格。引入可能度概念,用可能度矩阵对不满足连通性的后果状态进行比较,确定最可能状态。仿真结果与实测结果表明,提出的方法不仅能准确评估最可能结果,还能给出其它可能结果的排序,对样本的依赖性小,工程应用价值明显。

本体学习算法的两类LOO一致稳定性和广义界

近年来,随着本体研究的深入,各类机器学习方法被尝试应用于本体相似度计算和本体映射获取。稳定性是本体学习算法的必要条件,它从本质上体现了算法的可用性,即要求本体学习算法的最优解不会受到本体样本的小幅度调整而发生大的变化。本文研究了删除一个本体样本点的条件下,对本体学习算法的期望误差与经验误差的差值产生的影响。分别在本体学习算法一致稳定和假设空间一致稳定两种不同的框架下,利用统计学习理论的技巧,得到对应广义界的上界估计。

基于非负稀疏嵌入投影的高光谱数据降维方法

针对因数据冗余及Hughes现象带来的高光谱数据分类精度降低问题,提出一种基于样本依赖排斥图的非负稀疏嵌入投影降维(NSEPSRG)算法.首先,利用非负稀疏表示方法,得到样本的非负稀疏重构权重矩阵.然后,利用样本的先验类别信息,构建样本依赖排斥图,有助于避免误分类和提高分类精度.最后,为保持每个样本间的稀疏结构关系和各样本的内在流形结构不变,根据非负稀疏重构权重矩阵和样本依赖排斥图的邻接矩阵,将样本嵌入投影到低维子空间,有助于从高维高光谱数据中提取信息量大的光谱波段,从而使得到的分类图像更清晰、平滑.AVIRIS高光谱数据上的实验结果表明,运用支持向量机对经过NSEPSRG降维处理后的高光谱数据进行分类,分类整体精度和Kappa系数分别达到了87.87%和0.856 6.