基于JS散度指标离散化的企业贷款违约预测模型

准确预测上市公司银行贷款是否会违约,对上市公司自身的管理以及投资者的投资决策极为重要。本研究的创新与特色有:一是创新性地将JS散度引入信用风险领域中对指标进行离散化,确保了离散化后得到的指标数值区间对企业违约状态的区分能力,根据指标区间中违约企业和非违约企业的比例对相应的指标区间进行WOE打分,保证了WOE分值越大,企业的信用状况越好。避免了现有研究主观设定指标区间数值,导致的如逻辑回归等经典模型理解数据不充分的问题。二是采用增加了L1范数惩罚项(lasso)的最小角回归(lars)方程,以贝叶斯信息准则(BIC)最小为目标,反推出Lasso Lars回归方程中权重不等于0的指标为最优指标组合,确保遴选的指标组合违约预测能力最强,冗余度最小。弥补了现有研究在指标组合遴选时往往没有考虑指标组合中指标间的冗余度,而导致模型复杂性增加的不足。三是使用逻辑回归模型进行建模,以违约预测精度G-mean最大为目标,反推逻辑回归模型最优的违约预测临界点,避免了现有研究逻辑回归模型以经验值0.5为临界点,导致违约企业判别不准的弊端。研究表明:从159个指标中筛选出的43个离散指标既具有违约状态的区分能力,又符合“信用5C”原则,指标体系具有科学性、合理性。其中,除现金比率、企业价值倍数及销售毛利率等反映企业偿债能力、盈利能力、运营能力及成长能力的财务因素对企业违约有显著影响外,管理层持股比例、股东大会召开次数及是否披露内控评价报告等非财务因素,以及恩格尔系数、人均地区生产总值及最终消费率等外部宏观因素对企业违约有显著影响。

基于超特征块模型的人脸识别技术研究与实现

基于超特征块模型的人脸识别算法在训练样本很少,甚至为单个训练样本时,能取得较好的识别效果。相比于目前流行的人脸识别算法,该技术具有更好的实用价值,它解决了人脸识别技术中对单训练样本所导致识别率较低的难题。采用ORL人脸图像库的实验结果表明,该算法在单训练样本的情况下识别率仍然较高。

基于在线字典学习和脉冲耦合神经网络的脑图像融合

医学图像融合是医学影像和放射医学等领域的研究热点之一,广受医学界和工程界重视。提出一种基于在线字典学习(ODL)和脉冲耦合神经网络(PCNN)的脑部CT和MR图像融合新算法。首先,利用滑动窗技术将源图像分块,使用ODL算法和最小角回归算法(LARS)得到各图像块对应列向量的稀疏编码;其次,将稀疏编码作为脉冲耦合神经网络的外部输入刺激信号进行迭代处理,根据点火次数确定融合系数;最后,根据融合系数和学习字典重构融合图像。基于哈佛医学院的10组脑部CT和MR数据,将所提出算法同基于KSVD的融合算法、基于ODL的融合算法、基于NSCT的融合算法比较。实验结果显示:综合考虑主观视觉效果和客观评价指标,该算法性能整体优于其他算法,客观参数指标BSSIM、MI、Piella、SF、STD、QAB/F的均值分别为0.751 2、3.769 6、0.697 1、29.526 7、90.090 6、0.570 7,可以提供丰富的信息来辅助医生分析病变体,提高临床医疗诊断的准确性和治疗规划的科学性。

洗衣产品的物理化学属性与洗涤效果的模型研究

优化洗衣产品的配方的主要目的是要在降低成本、减少对环境的污染等条件下,生产出洗涤效果更好的产品.本文利用洗衣产品溶于水后溶液的一些物理化学属性及洗涤功效的数据,研究溶液属性和产品功效之间的关系,建立它们之间的模型,找出对洗涤功效起到显著作用的因素,使得可以根据建立的模型找到最优的洗衣产品配方.面对洗衣产品中多种可能起作用的物理化学属性以及种类繁多的污渍,需要运用处理高维数据的方法进行研究.我们用最小角回归(Lars),逐步回归(Stepwise)和交叉验证(Cross-Validation)方法对数据进行分析,建立的各个污渍与溶液属性间的数学模型,并给出几点对优化洗衣产品配方的建议.

基于在线字典学习的医学图像特征提取与融合

提出一种基于在线字典学习(ODL)的医学图像特征提取与融合的新算法。首先,采用大小为8像素×8像素的滑动窗处理源图像,得到联合矩阵;通过ODL算法得到该联合矩阵的冗余字典,并利用最小角回归算法(LARS)计算该联合矩阵的稀疏编码;将稀疏编码列向量的1范数作为稀疏编码的活动级测量准则,然后根据活动级最大准则融合稀疏编码;最后根据融合后的稀疏编码和冗余字典重构融合图像。实验图像为20位患者的已配准脑部CT和MR图像,采用5种性能指标评价融合图像的质量,同两种流行的融合算法比较。结果显示,所提出算法的各项客观指标均值最优,Piella指数、QAB/F指数、MIAB/F指数、BSSIM指数和空间频率的均值分别为0.800 4、0.552 4、3.630 2、0.726 9和31.941 3,融合图像对比度、清晰度高,病灶的边缘清晰,运行速度较快,可以辅助医生诊断和临床治疗。

基于压缩感知的混合光谱解析算法

压缩感知利用信号的稀疏性通过求解欠定线性系统的解来有效地重建信号,其稀疏性要求信号在某个域中是稀疏的。压缩感知理论认为一般情况下,信号的相关性越小,恢复算法的性能越好。求解压缩感知问题的方法有贪婪追踪、凸松弛方法、迭代收缩等算法,以及贝叶斯框架、置信传播等。从欠定线性矩阵方程角度讨论压缩感知问题,通过两种不同量测矩阵(谱库)的具体数值实验,重点研究了OMP、LARS和StOMP三个稀疏恢复算法在混合光谱解析时的性能和存在的问题,并给出相应的优化建议。

具抗氧化活性的中药有效组分的配伍研究

目的:以4种中药有效组分配伍的抗氧化活性为研究对象,探索适合中药多组分多指标"组效关系"的研究方法。方法:基于LARS回归算法和综合权重分析方法,按照均匀试验设计-药效试验-数学建模(模型验证)-综合药效评价程序,进行甘草总黄酮、银杏叶提取物、淫羊藿总黄酮和黄芪总苷4个中药组分不同配伍剂量体外清除DPPH和多环芳烃的研究。结果:采用改进最小角回归分析和综合权重法,评价清除DPPH和多环芳烃的最优综合药效,中药组分配伍最佳剂量组合为甘草总黄酮-银杏叶提取物-淫羊藿总黄酮-黄芪总苷(1∶0.254 5∶0.007 6∶0.011 5)。结论:上述中药组分配伍能有效清除多环芳烃和DPPH,具有良好的抗氧化作用。本实验采用的均匀设计结合综合权重法,适合"非线性、小样本"生物实验数据分析,是进行中药组分配伍筛选评价的适合研究方法。

丹参成分组合与抗氧化活性相关性分析

目的:探索适合中药"组效关系"的分析方法。方法与结果:以丹参为范例,基于LARS回归算法,按照均匀试验设计-药效试验-数学建模(模型验证)程序,得到丹参素钠、原儿茶醛、咖啡酸3种成分不同组合与清除1,1-二苯基-2-苦肼基(DPPH)自由基活性的关系,实现了成分组合的活性预测。结论:LARS回归算法是中药"组效关系"研究的有效方法之一。

清除致癌物多环芳烃的中药组分复方配伍研究

目的:基于均匀设计方法研究多种中药有效组分体外清除致癌物多环芳烃的最佳配伍作用。方法:采用改进最小角(least angle regression,LARS)回归分析,通过荧光光谱法进行甘草总黄酮、银杏叶提取物、淫羊藿总黄酮和黄芪总苷4个中药组分不同配比清除多环芳烃的作用研究。结果:通过LRAS回归分析获得了中药组分配伍清除多环芳烃的回归方程,优化组合后进行药效学验证,结果显示该中药组分配伍最佳剂量组合为甘草总黄酮3.144 g·L-1、银杏叶提取物0.8 g·L-1、淫羊藿总黄酮0.024 g·L-1和黄芪总苷0.036 g·L-1。结论:上述中药组分配伍后能有效清除致癌有害物质多环芳烃;本实验采用的均匀设计结合荧光光谱检测方法,为筛选评价中药组分配伍清除致癌物多环芳烃的作用提供了合适的研究方法。