BP神经网络技术在移动通信客户信用分析中的应用

提出了一种移动通信客户信用预测评估的方法．该方法基于移动通信客户行为属性的统计分析，以其作为客户信用预测评估的依据，建立BP神经网络的训练和识别的模型．通过随机选择2003年8月全网数据(403206个客户)中3％作为样本进行训练，确定了网络模型参数，与已有的信用评估方法相比，该方法的泛化性能高，适用于大规模的客户信用评估，所得到的客户特征属性对移动通信客户信用研究提供了理论和实践的依据。     

公司权益价值波动率下股本权证的定价方法

传统的股本权证定价模型一般基于公司股票波动率或公司权益价值波动率进行研究。讨论了根据公司权益价值波动率所求得的权证定价模型的一些性质,比较了分别根据公司权益价值波动率和股票价值波动率计算权证价值所得的误差。针对长电权证的实际情况进行实证分析,通过比较传统定价模型与本文的考虑保底摊薄模型定价的结果说明采用公司权益价值波动率所得定价模型的准确性。     

报童问题的扩展模型

经典报童问题即单周期库存问题,研究的是面对随机需求量,零售商应该订购多少产品以获得最大的利润.报童问题是一个十分具有活力的研究问题,本文综述了报童问题近十年来的研究成果,对其扩展模型作了新的分类:决策目标的扩展模型、零售商的扩展模型、市场格局的扩展模型、供应商的扩展模型以及其他扩展模型等.     

景区游憩价值评估的ZTCIA模型及其普陀山实证研究

景区游憩价值的评估可为景区可持续发展提供参考. 对游憩价值评估方法中旅行费用法的发展、存在问题和模型进行了阐述, 总结了国内外旅行费用法研究的不足之处, 并结合旅行费用法传统模型(ITCM和ZTCM)和旅行费用区间模型(TCIA)提出区域旅行费用区间分析(ZTCIA)模型. 为验证改进模型的实用性, 运用ZTCIA和ITCM模型评估了普陀山游憩价值, 2种模型的评估值分别为134.75亿元与135.95亿元, 从评估步骤上看, 2种模型存在一定的互补性, 因此, 最终将平均值135.35亿元作为普陀山2014年的游憩价值.     

一种基于粒子滤波的测向定位跟踪算法

基于多站测向定位提供的目标辐射源方位角信息,提出了一种基于粒子滤波的测向定位跟踪算法.该算法采用序贯蒙特卡罗的粒子滤波技术,对目标辐射源方位信息进行粒子滤波融合处理,实现了对机动目标辐射源的无源定位跟踪.仿真实验表明,该算法适用于非线性模型和非高斯噪声的目标跟踪,与传统的基于卡尔曼滤波的多传感器融合跟踪算法相比,定位跟踪更为精确,从而对提高战场电子目标定位跟踪和精确打击具有广泛的应用价值.     

基于词嵌入扩充的口语对话文本领域分类

针对口语对话系统领域分类任务中传统领域分类方法如SVM需要进行大量人工标注的问题,将LDA(Latent Dirichlet Allocation)模型应用于口语对话系统领域分类;针对口语对话内容少、长度短、数据稀疏等问题,在LDA模型基础上提出了基于词嵌入文本扩充的口语对话系统领域分类方法.该方法主要特点是:1)使用词嵌入方法word2vec对类似于短文本的语音识别后的口语对话文本进行语义扩充,将短文本转化为长文本,使主题模型LDA更加有效地估计口语对话文本的隐含主题;2)采用无监督的概率生成模型LDA对扩充后的口语对话文本进行建模以及领域分类,从而降低人工标注成本.实验结果表明,与直接使用LDA模型进行口语对话系统领域分类方法对比,适当扩充长度的word2vec文本扩充方法在口语对话系统领域分类中的平均准确率、平均召回率和平均F1值分别提高了26.1%、25.5%、27.2%,且该方法具有一定的鲁棒性..     

一种用于语篇语义理解的语段划分模型的获取方法

在用于语篇语义理解的语段划分的MMT模型基础上,提出了一种语段划分模型的获取方法.该方法是在已分词的篇章语句中,引用冯志伟的汉语句子的多叉多标记树模型,在单句语义理解基础上,将语篇划分为各个语段,找出各语段间的层次关系,为语段内句子间意义分析做准备,最终达到篇章语义理解的目标.     

商品住宅购买决策涉入对购买意愿的影响：顾客参与和顾客感知价值的链式中介作用

营销是房地产开发全过程中一个重要的环节,为更好地实现销售目标,需要尽可能提升购房者的购买意愿。为探究商品住宅购买意愿的影响机制,构建了以购买决策涉入为自变量、购买意愿为因变量、顾客参与和顾客感知价值为中介变量的结构方程模型。采用方便抽样方法进行问卷调查,使用SPSS 19.0和AMOS 23.0对437个有效样本进行数据分析。实证结果表明,购买决策涉入、顾客参与、顾客感知价值均对购买意愿有显著正向影响;顾客参与、顾客感知价值在购买决策涉入对购买意愿的影响中起到链式中介作用。研究可为房地产企业制定营销策略和改善营销行为提供理论指导。     

基于混合高斯模型的运动目标检测

针对运动目标检测中的背景复杂度高、视频数据计算量大等问题, 且为避免计算不同复杂程度的视频背景, 并能够准确地获取所需要的运动目标, 提出了一种基于混合高斯模型的运动目标检测方法. 首先采用混合高斯模型获取运动目标特征; 然后利用中值滤波方法去除视频目标运动特征中的背景噪声; 最后依据形态学运算方法对通过统计直方图得到的运动显著图进行处理, 从而获取最终的运动目标. 对标准视频序列集的检测表明, 利用该算法获取的运动目标不仅能抑制背景噪声, 而且精准度和误差都优于普通的视频运动目标检测算法.     

商品住宅购买决策涉入对购买意愿的影响：顾客参与和顾客感知价值的链式中介作用

营销是房地产开发全过程中一个重要的环节,为更好地实现销售目标,需要尽可能提升购房者的购买意愿。为探究商品住宅购买意愿的影响机制,构建了以购买决策涉入为自变量、购买意愿为因变量、顾客参与和顾客感知价值为中介变量的结构方程模型。采用方便抽样方法进行问卷调查,使用SPSS 19.0和AMOS 23.0对437个有效样本进行数据分析。实证结果表明,购买决策涉入、顾客参与、顾客感知价值均对购买意愿有显著正向影响;顾客参与、顾客感知价值在购买决策涉入对购买意愿的影响中起到链式中介作用。研究可为房地产企业制定营销策略和改善营销行为提供理论指导。     

基于复合成本的集装箱码头泊位-岸桥联合调度优化方法

针对集装箱码头泊位与岸桥调度中的资源和成本问题,考虑不确定因素的影响,采用增添缓冲时间方式,以复合成本最低为目标建立泊位岸桥联合调度优化模型,设计改进的遗传算法对模型进行求解.在案例数据分析中,比较了港口和船公司在不同成本比率下的调度结果,验证了该方法能在保证客户满意度的同时不损害码头利益,对港口生产操作决策具有一定参考价值.     

关于期权定价的一点注记

在介绍由随机波动源和异常波动源共同作用的波动源模型的基础上,对该模型进行了期权定价的研究,结果表明该模型只能比传统的对数正态分布模型更精确地描述现实市场中的股价波动规律而不能改善期权价值。     

基于迁移学习的自然环境下香梨目标识别研究

为了准确识别自然成熟的香梨果实,使得采摘机能对水果目标进行精确的定位,提出了使用目标检测深度学习网络模型的方法.该模型基于Mask R-CNN,首先通过在Kaggle数据集以及网上爬取并筛选出的9 600张水果图片对Resnet网络进行初步训练,然后在预训练过的Resnet网络基础上加入掩模分支和分类分支训练自然环境下成熟香梨的数据集,最终获得准确识别香梨目标的网络模型.实验结果表明,在同等目标未添加噪声的情况下,在使用水果图片数据集预训练的基础上,图片的平均分割精度为98.02%,这与使用COCO数据集进行预训练相比(精度为93.72%),平均分割精度增加了4.30%.此外,该模型对于被遮挡水果也有着不错的识别效果,在未添加噪声的情况下,被遮挡水果的平均分割精度为95.28%,这与未被遮挡水果的分割精度相比,误差仅增加了2.74%.所以,此模型对于香梨的识别和分割具有很好的鲁棒性.     

混合指数跳扩散模型下远期生效期权的定价

分别研究了市场利率为常数和随机利率时混合指数跳扩散模型下远期生效期权的定价问题.假定风险资产价格满足混合指数跳扩散过程,通过测度变换,逆拉普拉斯变换和无套利定价原理得到了该模型下远期生效看涨期权的定价公式.此外,利用看涨-看跌期权的平价关系得到了远期生效看跌期权的价值.     

融合双向门控循环单元和卷积神经网络的歧视性言论鉴别

针对歧视性言论的鉴别,提出了一种融合双向门控循环单元(BIGRU,bidirectional gated recurrent unit)和多元卷积神经网络(MCNN,multi-convolution neural network)的BGM-CNN模型。模型先采用BIGRU结构进行时序特征提取,再经过一维多元卷积神经网络进行降维池化,最后结合多组特征输出进行分类。实验结果表明,BGM-CNN模型比现有的单一模型和CNN-LSTM(long short-term memory)等模型分类效果更好,该模型在五分类验证数据集上分类的F1值为0. 673 3,在两个歧视性言论二分类数据集上的F1值分别为0. 837 3和0. 815 6。     

基于Map/Reduce的索引数据云存储模型研究

针对目前搜索引擎引擎系统存在的数据量庞大、访问用户高并发性和搜索延迟性的特点,提出了基于云存储的文档索引分类存储模型,并在索引数据分类存储算法实现过程中,采用基于Map/Reduce编程模型的二次索引词权重计算,以降低分类过程中的模糊粒度.通过实验验证基于该存储模型的算法不仅可以提高海量数据索引库的数据处理效率,而且在一定程度上降低了检索系统查询延迟,提高了搜索效率.     

基于数据预处理深度置信网络的药物与非药物分类（英文）

制药工业的一个主要趋势是整合传统意义上被认为早期阶段药物发现的分子描述.为了更好的将药物和非药物分类,本文提出了基于深度信念网络(DBN)的分类模型.首先,对分子特征进行预处理以保证有价值的信息得到保留,其次,该模型将DBN和反向传播(BP)分类器结合去对药物/非药物进行检测和分类.DBN由几个受限玻尔兹曼机(RBM)层组成,当特征向量转移到下一层时这些RBM层尽可能多的保留具有重要的影响的信息.BP层训练的最后一个RBM层生成特征分类.结果表明,该方法是提取高层次特征的药物和非药物分类任务中一种成功的方法,分类精度高达85.3%,高于传统的支持向量机和神经网络方法.同时,预处理对分子特征的提取更为有效,从而在一定程度上提高了分类的准确性.     

三支决策方法在高校学科竞赛人才选拔与培养中的应用

大学生学科竞赛作为促进教改发展、培养优秀创新型人才的重要手段,越来越受到高校重视。针对高校学科竞赛人才选拔与培养过程中的种种不确定因素,从成本-效益的角度出发,基于三支决策理论,提出了一种新的分类培养模式。介绍了三支决策理论和基于决策粗糙集的模型;综合考虑竞赛目标和培养成本,制定了学生分类指标体系,建立了培养价值分类模型;此外,给出实施步骤与应用方案;最后,以成功的应用实例,证明了在对学生信息掌握不全、培训资源有限的情况下,三支决策模型是一个很好的权衡资源和效益的决策框架。     

利用FVC和DEM对中国新疆南部植被的分类研究

植被覆盖度指数FVC(FractionalVegetationCover)是从植被归一化指数中演化出来的反映植被盖度的指数,是很多干旱半干旱地区生态水文模型中的重要变量.本文通过该指数结合地貌特征对中国新疆南部植被进行了分类.首先按数字地面高程将整个研究区分为三个子研究区:(1)低海拔平原荒漠、丘陵区,海拔高度≤2000m,主要植被为绿洲、平原荒漠类植被;(2)亚高山、中低山地地区,海拔高度在2000～3900m,主要植被为森林、亚高山草原、山地草原、山地荒漠草原、山地荒漠;(3)高山区,海拔高度>3900m,主要植被高山垫状植被、高寒荒漠.然后对每一个子区的植被进行独立的分类.由于每一个子区的种类相对于整个区域种类减少,且具有特殊性,使分类方法从考虑研究区所有对象之间的均衡变为仅考虑每个子研究区内相对特殊的植被,分类条件放宽,再加之FVC指数的特点使得分类精度提高.在对三个子研究区进行相对独立的分类之后,再利用GIS方法,将三个子研究区合并为整体的分类图,完成对整个区域的植被分类.     

径向基神经网络模型在滇东南金矿潜力预测中的应用

采用人工网络神经法（Artificial Neural Network,ANN）有助于理解成矿系统的非线性动力学行为和对矿产资源进行预测.其中的径向基神经网络（Radial Basis Function Neural Network,RBFNN）具有优秀的逼近特性,优化过程简单,训练速度快,适合于需要大量数据综合的矿产预测.采用RBFNN方法对成矿地质条件复杂的中国滇东南地区开展金矿成矿预测.研究结果表明,该模型能快速获取成矿潜力信息.通过采用受试者工作特征（Re-ceiver Operating Characteristic,ROC）曲线进行精度验证,表明该模型具有优越的预测能力.