论文研究-基于新闻文本的上市公司财务困境组合预测模型.pdf

已有上市公司财务困境预测模型主要是基于结构化数据进行研究，为进一步提高上市公司财务困境预测模型准确率，将非结构化数据引入上市公司财务困境预测问题中，研究了基于新闻文本分类的上市公司财务困境预测模型，结合新闻文本信息和财务信息提出上市公司财务困境组合预测模型。首先将新闻数据进行预处理，然后基于新闻文本数据通过支持向量机（SVM）进行财务困境预测，同时基于财务数据通过Logistic模型进行财务困境预测，最后采用阈值表决集成策略整合两种模型的预测结果。实验结果证明了模型的有效性。

论文研究-一种基于信息熵的多分类器动态组合方法.pdf

为提高数据分类的性能，提出了一种基于信息熵[1]的多分类器动态组合方法（EMDA）。此方法在多个UCI标准数据集上进行了测试，并与由集成学习算法—AdaBoost，训练出的各个基分类器的分类效果进行比较，证明了该算法的有效性。

论文研究-基于信息熵的RVM-AdaBoost组合分类器.pdf

针对AdaBoost算法不能有效提高RVM分类性能的问题，提出一种基于信息熵的RVM与AdaBoost组合分类器。依据RVM输出的后验概率来定义样本的信息熵，信息熵越高的样本越容易错分。提出使用自适应信息熵阈值对数据进行筛选，筛选出的数据使用基于AdaBoost算法的集成分类器进行分类，样本的分类结果由RVM与集成分类器组合给出。把未筛选出且分类错误的极少样本作为噪声对待，增强了组合分类器的稳定性，避免了随着AdaBoost算法迭代次数增加集成分类器出现退化的现象。使用UCI数据集从分类正确率、分类效率和稳定性三方面对提出的组合分类器进行验证，实验结果表明了此分类器的有效性。

论文研究-基于多频组合模型的中国区域碳市场价格预测.pdf

论文研究-基于多频组合模型的中国区域碳市场价格预测.pdf,  新兴的中国区域性碳排放市场受到交易制度，异质环境，政策等因素的影响，使碳价呈现出非线性，非平稳，多频率等特征，风险较为突出.研究碳价的预测方法，有利于碳市场风险管理.传统的单一模型不能全面刻画碳价波动特征，论文构建多频率组合预测模型.运用极点对称模态分解方法将碳价时间序列分解为互不耦合的模态分量；将这些分量分为高，中，低频部分，分别选择适合三种不同频率模态下的预测方法NAR（non-linear autoregressive），WNN（wavelet neural network），SVM（support vector machine）确定其输入输出结构以分类预测；利用PSO-SVM集成碳价分类预测结果，发现：与NAR，WNN，SVM，GARCH等单模型相比，论文的多频率组合预测模型精度更高，是一种更为有效的碳价预测方法.

论文研究-基于AdaBoost的组合分类器在遥感影像分类中的应用.pdf

运用组合分类器的经典算法AdaBoost将多个弱分类器-神经网络分类器组合输出，并引入混合判别多分类器综合规则，有效提高疑难类别的分类精度，进而提高分类的总精度。最后以天津地区ASTER影像为例，介绍了基于AdaBoost的组合分类算法，并在此基础上实现了天津地区的土地利用分类。分类结果表明，组合分类器能有效提高单个分类器的分类精度，分类总精度由8113%提高到9332%。实验表明基于AdaBoost的组合分类是遥感图像分类的一种新的有效方法。

论文研究-极限学习机的分类器集成模型研究.pdf

将极限学习机算法与旋转森林算法相结合，提出了以ELM算法为基分类器并以旋转森林算法为框架的RF-ELM集成学习模型。在8个数据集上进行了3组预测实验，根据实验结果讨论了ELM算法中隐含层神经元个数对预测结果的影响以及单个ELM模型预测结果不稳定的缺陷；将RF-ELM模型与单ELM模型和基于Bagging算法集成的ELM模型相比较，由稳定性和预测精度的两组对比实验的实验结果表明，对ELM的集成学习可以有效地提高ELM模型的性能，且RF-ELM模型较其他两个模型具有更好的稳定性和更高的准确率，验证了RF-ELM是一种有效的ELM集成学习模型。

论文研究-多特征和多分类器组合的湿地遥感影像分类.pdf

为了适应湿地遥感影像分类，选择了湿地影像的典型特征，提出了一种组合多分类器的湿地遥感分类方法。提取湿地遥感影像的独立分量、纹理、湖泊透明度、归一化水体指数、绿度指数和湿度分量特征；选择样本对最小欧氏距离、光谱夹角填图、贝叶斯和支持向量机分类器进行训练学习。根据各分类器的混淆矩阵对其赋权值，检验样本是否满足正态分布；根据权值和假设检验结果构建组合分类器决策网络。实验表明该方法较传统湿地分类方法具有更好的性能和更高的精度。

论文研究-基于可行域解析中心的股指时间序列预测.pdf

论文研究-基于可行域解析中心的股指时间序列预测.pdf,  预测股票涨跌情况,并提出了一种新的时间序列预测方法,该方法将时间序列预测问题转化为多类分类问题.同时在分析现有多类分类机器不足的基础上,提出了一种基于可行域解析中心的多类分类器.通过上证股指序列的实证分析表明,提出的方法及多类分类器是有效的且有很强的实用性.

论文研究-CNN-ELM混合短文本分类模型.pdf

针对目前自然语言处理研究中，使用卷积神经网络（CNN）进行短文本分类任务时可以结合不同神经网络结构与分类算法以提高分类性能的问题，提出了一种结合卷积神经网络与极速学习机的CNN-ELM混合短文本分类模型。使用词向量训练构成文本矩阵作为输入数据，然后使用卷积神经网络提取特征并使用Highway网络进行特征优化，最后使用误差最小化极速学习机（EM-ELM）作为分类器完成短文本分类任务。与其他模型相比，该混合模型能够提取更具代表性的特征并能快速准确地输出分类结果。在多种英文数据集上的实验结果表明，提出的CNN-ELM混合短文本分类模型比传统机器学习模型与深度学习模型更适合完成短文本分类任务。

论文研究-基于自适应多分类器系统的甲状腺疾病诊断方法研究.pdf

论文研究-基于自适应多分类器系统的甲状腺疾病诊断方法研究.pdf,  甲状腺释放甲状腺激素以调节人体的新陈代谢速率，甲状腺激素过多或过少分别会引起甲亢或甲减，都属于甲状腺疾病.在实际医疗数据中，甲状腺疾病数据属于典型的不均衡数据.传统的分类方法往往忽略了不均衡数据存在的异构现象（不均衡程度，特征维度，类别数目在不同数据集中各不相同）.针对甲状腺疾病数据的类分布不均衡现象以及异构现象，本文提出一种自适应多分类器系统（adaptive multiple classifier system，AMCS），构造多分类器集成系统，自适应地对异构不均衡甲状腺疾病数据进行分类来辅助甲状腺疾病的诊断.AMCS系统包括特征选择，集成框架，基分类器以及集成规则四个组成部分，每一组成部分由不同的算法组成候选池，根据不同数据存在的异构现象，自适应地为异构数据选择最优集成算法.本文采用KEEL和UCI提供的10组异构甲状腺疾病数据进行实验，验证了本文所提出的方法在辅助甲状腺疾病诊断的有效性.

论文研究-一种新的混合分类器及其人脸识别的应用研究.pdf

论文研究-一种新的混合分类器及其人脸识别的应用研究.pdf,  随着互联网的发展,人脸识别在安全领域得到越来越广泛的应用.传统的人脸识别方法泛化能力较差,无法有效处理特别复杂的函数关系而使其在安全领域发展比较缓慢.为了提高人脸识别的正确率,本文提出了一种新的深度玻尔兹曼机神经网络(deep Boltzmann machine,DBM)和差异受限玻尔兹曼机神经网络(discriminative restricted Boltzmann machine,DRBM)的混合模型,在人脸数据集上与传统的人脸识别模型做了对比,为了进一步验证有效性,本文还选取在公共CMU-PIE人脸图像数据集上作了对比试验.实验发现:在两个数据集上,新的混合模型相对传统模型都有更好的识别效果,将产生直接的社会效益和管理意义.

论文研究-基于超曲面的多类分类方法.pdf

论文研究-基于超曲面的多类分类方法.pdf,  使用支持向量机对非线性可分数据进行分类的基本思想是将样本集映射到一个高维线性空间使其线性可分 .基于 Jordan曲线定理 ,提出了一种通用的基于分类超曲面的分类法 ,它是通过直接构造分类超曲面 ,根据样本点关于分类曲面的围绕数的奇偶性进行分类的一种全新分类判断算法 ,不需作升维变换 ,不需要考虑使用何种核函数 ,而直接地解决非线性分类问题 .对数据分类应用的结果说明 ,基于分类超曲面的多类分类法可以有效地解决非线性数据的分类问题 ,并能够提高分类效率和准确度 .

论文研究-产业结构地区分类方法及应用.pdf

论文研究-产业结构地区分类方法及应用.pdf,

论文研究-三种典型贝叶斯分类器的研究 .pdf

三种典型贝叶斯分类器的研究，仝瑶瑶，，贝叶斯分类方法是数据挖掘中一种重要的分类算法。在贝叶斯家族中有三种典型的贝叶斯分类器：朴素贝叶斯分类器、TAN贝叶斯分类器和

论文研究-基于流形学习的多核SVM财务预警方法研究.pdf

论文研究-基于流形学习的多核SVM财务预警方法研究.pdf,  在进行财务困境预测时， 为了客观全面地反映企业的财务状况， 纳入较多的预警指标， 数据集维度将变得很大， 传统方法求解此类问题效果并不理想. 流形学习处理高维数据具有较好的降维效果，多核SVM对于分布不平坦的数据具有很好的分类性能. 基于此， 提出了“流形学习 多核SVM”的混合算法财务预警模型， 该模型适用于具有大量指标集的财务预警. 实验结果表明， 与传统预警方法相对比， 其具有更优的预测性能.

论文研究-模糊神经网络分类器在企业建模知识管理中的应用.pdf

论文研究-模糊神经网络分类器在企业建模知识管理中的应用.pdf,  为了对企业建模活动进行知识管理，开发了基于Web的企业 模型知识库系统，并按照CIM-OSA的思想将参考模型库划分为通用、部分通用和专用三个层次。如何在这三个 层次之间建立合理的分类检索体系成为企业建模知识管理的一个核心问题。文章引入模糊神经网络分类器解决企业参考模型库的模型分类问题，通过一个应用实例进行算法验证，并与基于模糊数据挖掘的分类方法进行比较分析。实验数据表明，模糊神经网络分类器具有很好的性能。

论文研究-降水时间序列的聚类分析和预测.pdf

论文研究-降水时间序列的聚类分析和预测.pdf,  本文阐述了对160个中国大陆降雨序列进行同步预测的完整方法。预测模型是用多元分析和随机序列等方法综合建立的, 预测结果较好。文中重点研究能用个人计算机可方便地同时预测这160个点的方法。因此, 首先采用聚类方法将160个点的降水序列分成若干个局部特征相似的几个子类。采用该法的分类结果与国内大多数着名专家的分类结果相似。采用数据压缩法求出每个子类周期性特征的主成分序列, 计算中在精度损失不大情况下尽量压缩计算量。该模型预测一年后的降雨量, 获得令人满意的结果。

论文研究-基于WPA-SVM的多分类故障混合诊断模型.pdf

激光多普勒血流量检测系统提取的光电信号中存在较大的高斯白噪声，为了消除这些噪声干扰，提取激光多普勒信号，提出了一种基于小波变换，使用Matlab中的wavelet toolbox对所得信号进行五层离散小波分解、阈值变换、消噪以及信号重构的处理方法。结果表明，该方法可有效地抑制噪声，从原始光电信号图中提取多普勒信号并对其进行分析，计算血流速度。该研究结果对后续的分析多普勒血流信号，实时检测血流量变化情况，解释血流病理含义，进而对诊断病因、指导医疗手段均有一定的参考价值。

论文研究-基于RGB-D融合特征的图像分类.pdf

当前经典的图像分类算法大多是基于RGB图像或灰度图像，并没有很好地利用物体或场景的深度信息，针对这个问题，提出了一种基于RGB-D融合特征的图像分类方法。首先，分别提取RGB图像dense SIFT局部特征与深度图Gist全局特征，然后将得到的两种图像特征进行特征融合；其次，使用改进K-means算法对融合特征建立视觉词典，克服了传统K-means算法过度依赖初始点选择的问题，并在图像表示阶段引入LLC稀疏编码对融合特征与其对应的视觉词典进行稀疏编码；最后，利用线性SVM进行图像分类。实验结果表明，所提出的算法能有效地提高图像分类的精度。