遗传算法优化灰色案例推理的财务困境预测

企业财务困境预测是财务实务界和理论界关注的热点问题之一。为了有效识别出在未来两年内有可能陷入财务困境的企业,该文提出了一种遗传算法优化灰色案例推理的新方法进行企业财务困境预测,并采用实证研究予以验证。理论研究中主要构建了财务困境预测的企业案例描述、基于灰色相似度的k近邻案例检索、基于相似度加权投票组合的评价结果集成和基于遗传算法的案例特征权重向量优化等四个关键内容。实证研究中,收集了270个上市公司ST前一年和前两年的数据为初始样本,通过格点搜索技术进行参数优化,采用余一交叉验证准确率作为评价标准,通过与多元判别分析、Logistic回归、BP神经网络、支持向量机的预测结果比较发现:该方法在企业财务困境预测中的准确率有较大提高。

基于体测健康大数据的灰色案例推理与个性化知识服务方法

【目的/意义】我国自1979年开始以五年为一周期对全国学生进行体质健康检测,积累了丰富的数据。但长期以来对这些数据资源的分析和利用严重不足,难以满足个性化健康服务的需求。如何利用体测大数据进行知识组织与挖掘,实现个性化健康促进服务已经成为信息资源管理领域的重要问题。【方法/过程】提出了外部知识库增强的多模异构体测案例知识组织方法,建立了基于灰色案例推理的健康知识推理架构和案例自适应知识更新机制,以及"监(健康监测)—评(体质评估)—防(预防为主)—知(知识推荐)—保(健康保障)"的一体化闭环学生体质健康促进知识服务方法。【结果/结论】该方法为学生健康体测大数据管理和主动健康服务提供了重要的知识工具支撑。【创新/局限】创建了外部知识库增强的多模异构体测案例知识组织方法,提出了人机协同和群体智能的案例学习机制;体测健康大数据知识服务的信息安全和用户隐私保护机制尚需进一步研究和构建。

基于学生体测大数据的健康智能评价方法

我国自1979年开始以五年为一周期对全国学生进行体质检测,但当前研究主要是对体测数据实行存储与管理,缺乏体测大数据的智能化分析和学生体质健康状况评价的相关研究。通过文献梳理,总结了学生体质健康评价指标体系发展历程和特征,提出基于灰色案例推理的动态评价方法,为学生体测大数据管理和动态智能评价学生体质健康状况提供工具支撑。