期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于多目标优化加权软投票集成算法的信用债违约预警研究 被引量:1
1
作者 郑怡昕 王重仁 《现代电子技术》 北大核心 2024年第8期43-48,共6页
为了提高信用债违约预测的准确性和稳定性,便于金融风险管理,以2014年1月1日—2021年12月31日的信用债为研究对象,提出一种基于多目标优化的加权软投票集成算法。该算法通过计算每个基分类器的模糊密度来量化其识别能力,并使用多目标粒... 为了提高信用债违约预测的准确性和稳定性,便于金融风险管理,以2014年1月1日—2021年12月31日的信用债为研究对象,提出一种基于多目标优化的加权软投票集成算法。该算法通过计算每个基分类器的模糊密度来量化其识别能力,并使用多目标粒子群算法来求解基分类器的权重。将所提算法与其他单一分类器如支持向量机、逻辑回归、高斯贝叶斯、MLP,以及其他集成算法如投票类集成算法(voting)和stacking算法进行比较,采用期望PFI算法进行特征重要度分析。结果表明,加权软投票集成算法在信用债违约预测中表现出色,不仅提升了单一算法的性能,且相对于其他集成算法,具有更高的准确性、精确度和AUC值。违约前主体评级、交易所、违约前债项评级、总资产周转率、货币资金、净资产增长率、经营活动现金流量占营收比、GDP、PPI、注册地、短期国债利率、宏观经济景气指数(先行指数)、债券类型和所属行业的特征重要度较高,在信用债违约中值得关注。该研究可为金融风险预测提供一种有效方法,对于投资者和金融机构的风险预警具有重要参考意义。 展开更多
关键词 金融风险管理 信用债违约预警 加权软投票集成算法 多目标优化 模糊密度 期望PFI算法
在线阅读 下载PDF
基于软投票融合模型的消费信贷违约风险评估研究 被引量:5
2
作者 任师攀 彭一宁 《金融理论与实践》 北大核心 2020年第4期77-83,共7页
有效识别违约风险,降低违约损失,对消费金融平台至关重要。基于捷信集团公开的大规模消费信贷数据,采用软投票策略融合XGBoost和LightGBM进行违约风险评估,准确率达到91.99%;从实际场景出发提出违约率、误拒率两个指标,完善模型评价体系... 有效识别违约风险,降低违约损失,对消费金融平台至关重要。基于捷信集团公开的大规模消费信贷数据,采用软投票策略融合XGBoost和LightGBM进行违约风险评估,准确率达到91.99%;从实际场景出发提出违约率、误拒率两个指标,完善模型评价体系;识别出违约率和误拒率的负相关关系,采用KS曲线选择阈值,在降低违约率1.22%的同时,将误拒率控制在合理水平;总结出违约风险评估中的七类重要因素,以此为消费金融平台健康发展提供参考建议。 展开更多
关键词 消费金融 违约风险评估 软投票 普惠金融 金融科技
在线阅读 下载PDF
基于深度学习信息融合的喷泵复合故障诊断
3
作者 李刚强 谢福起 +1 位作者 崔永智 徐增丙 《电子产品可靠性与环境试验》 2024年第S1期93-101,共9页
喷泵作为舰船航行的核心驱动部件,在复杂工况和恶劣环境下存在轴承、叶轮等重要部件故障监测与诊断难题,进而影响舰船正常运行。针对复杂工况下喷泵轴承损伤、叶轮刮擦等复合故障的诊断难题,提出了基于改进软投票多源信息融合的深度学... 喷泵作为舰船航行的核心驱动部件,在复杂工况和恶劣环境下存在轴承、叶轮等重要部件故障监测与诊断难题,进而影响舰船正常运行。针对复杂工况下喷泵轴承损伤、叶轮刮擦等复合故障的诊断难题,提出了基于改进软投票多源信息融合的深度学习故障诊断方法。首先,利用快速傅里叶变换将导叶外壳和叶轮外壳振动时域信号分别转换成频域信号,并分别输入基于Yu范数的深度度量学习模型和深度置信模型进行初步诊断分析;然后,利用改进软投票表决法对这些初步诊断结果进行融合,从而获取最终诊断结果;最后,通过试验台架对喷泵导叶轴承、叶轮刮擦等复合故障展开故障模拟,并采用所提出的诊断方法进行故障分析。结果表明所提出方法的诊断精度高达99.667%,精度明显优于基于单个传感器信号和基于软投票多源信息融合的诊断模型。 展开更多
关键词 喷泵 多信息融合 改进软投票 深度学习 复合故障诊断
在线阅读 下载PDF
基于多域信息融合的深度学习轴承故障诊断方法
4
作者 葛卓 夏华猛 +2 位作者 王凯亮 徐增丙 丁改革 《振动与冲击》 EI CSCD 北大核心 2024年第23期47-55,共9页
针对单一振动信号包含故障信息易被隐藏以及单一深度学习模型诊断能力不强导致轴承故障诊断精度低的问题,提出了一种基于多域信息融合的深度学习故障诊断方法。利用变分模态分解方法(variational mode decomposition,VMD)将原始振动信... 针对单一振动信号包含故障信息易被隐藏以及单一深度学习模型诊断能力不强导致轴承故障诊断精度低的问题,提出了一种基于多域信息融合的深度学习故障诊断方法。利用变分模态分解方法(variational mode decomposition,VMD)将原始振动信号分解为多个本征模态函数(intrinsic mode function,IMF)分量,同时对每个IMF分量进行快速傅里叶变换(fast Fourier transformation,FFT)转化为频域样本;然后将多个IMF分量和其对应频域样本分别输入至多个深度度量学习(deep metric learning,DML)模型和深度置信网络(deep belief network,DBN)模型分别进行初步诊断分析,并利用简单软投票法对这些初步诊断结果进行融合从而获取最终诊断结果。最后通过对不同轴承故障的诊断试验分析,结果表明,该研究提出的方法不仅具有较好的诊断效果,而且诊断性能分别优于基于时域和基于频域的信息融合诊断方法。 展开更多
关键词 信息融合 深度度量学习(DML) 深度置信网络(DBN) 软投票
在线阅读 下载PDF
基于集成学习约束能量最小化的高光谱目标检测算法研究 被引量:6
5
作者 张宁 赵睿 +3 位作者 白郁 邹征夏 朱新忠 史振威 《上海航天》 CSCD 2018年第1期23-29,共7页
提出了一种基于集成学习约束能量最小化(E-CEM)的高光谱图像目标检测算法。传统的高光谱检测算法通常是基于约束最小二乘法或基于高斯先验下的假设检验算法获得,然而真实环境中捕获的高光谱数据通常具有很强的非线性及非高斯特性,此时... 提出了一种基于集成学习约束能量最小化(E-CEM)的高光谱图像目标检测算法。传统的高光谱检测算法通常是基于约束最小二乘法或基于高斯先验下的假设检验算法获得,然而真实环境中捕获的高光谱数据通常具有很强的非线性及非高斯特性,此时传统算法通常难以获得满意的检测效果。虽然核方法一定程度上能使传统算法获得较强的非线性表达能力,但核方法本身极易受到核函数参数的选择而表现出性能不稳定的现象。E-CEM在传统的约束能量最小化算法的基础上结合集成学习思想,使其在提升非线性光谱表达能力的同时提升检测的稳定性和稳健性。仿真高光谱图像和真实高光谱图像的实验结果都表明所提方法提升了CEM算法及其他经典算法的检测性能。 展开更多
关键词 高光谱图像 目标检测 约束能量最小化 有限冲击响应滤波器 背景压制 集成学习 自主采样 软投票
在线阅读 下载PDF
基于半监督集成学习的词义消歧 被引量:1
6
作者 张春祥 熊经钊 高雪瑶 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第8期1216-1222,共7页
为了解决自然语言中的一词多义问题,本文提出了半监督集成的词义消歧方法。以歧义词左右4个邻接词汇单元的词形、词性和语义类作为消歧特征,利用逻辑回归模型、梯度提升决策树和支持向量机来确定其含义。采用软投票策略融合3个基本分类... 为了解决自然语言中的一词多义问题,本文提出了半监督集成的词义消歧方法。以歧义词左右4个邻接词汇单元的词形、词性和语义类作为消歧特征,利用逻辑回归模型、梯度提升决策树和支持向量机来确定其含义。采用软投票策略融合3个基本分类器获得集成词义消歧模型。以少量人工语义标注语料为基础,结合大量无标注语料,使用半监督学习方法来提高集成词义消歧模型的性能。使用SemEval-2007:Task#5的测试语料来度量词义消歧的性能。实验结果表明:所提出方法的平均准确率达到了72.80%,词义消歧的性能有所提升。本文提出方法能够降低人工标注语料的规模,提高词义消歧准确率。 展开更多
关键词 词义消歧 消歧特征 逻辑回归 梯度提升决策树 支持向量机 软投票 基本分类器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部