【摘 要】
：
在数字经济时代，越来越多的企业认识到数据的价值，越来越多运营过程中的数据被采集，并被进一步加以利用，帮助决策者进行企业运营状况评价和未来风险预警。其中，利用企业当前的一系列经济指标进行一段时间后的破产预测具有重要的意义。本文以此为背景，提出了针对高不平衡度、高维度、高相关性数据分类问题的方法——随机集成秩次k近邻算法（Random ensemble rank k-nearest neighbor
论文部分内容阅读
在数字经济时代，越来越多的企业认识到数据的价值，越来越多运营过程中的数据被采集，并被进一步加以利用，帮助决策者进行企业运营状况评价和未来风险预警。其中，利用企业当前的一系列经济指标进行一段时间后的破产预测具有重要的意义。本文以此为背景，提出了针对高不平衡度、高维度、高相关性数据分类问题的方法——随机集成秩次k近邻算法（Random ensemble rank k-nearest neighbor algorithm,REKRNN）。
REKRNN算法首次将秩次k-近邻算法作为集成学习的基学习算法，应用在Bagging中。与其它常用的基学习器相比，k-RNN分类器算法复杂度低、计算开销小，在复杂数据处理中，不易造成过拟合现象。REKRNN算法将此特点与Bagging高泛化性能的优势相结合，提高算法在不平衡数据集分类任务中的分类精度。本文主要研究内容有几下几个方面：
1.针对秩次k近邻规则更适合平衡数据集的特点，采用混合重采样对原始训练数据集进行预处理，对少数类样例进行Bootstrap采样，对多数类样例随机降采样。平衡数据集的同时增加基学习器彼此间的差异性。
2.针对高维度、高相关性的特征集合，训练每一个基学习器时利用随机子空间法随机选择特征子空间，降低维度，提高分类效率的同时再一次增加差异性，贯彻集成学习“好而不同”的原则，提高算法的泛化性能。
3.将REKRNN算法应用于波兰制造业企业破产预测任务中，仿真实验表明，上述各个技术的使用逐步地提高了算法识别少数类样例分类的能力，最终形成的随机秩次k近邻算法在不平衡分类任务中具有较高的分类精度。
其他文献
2008年国际金融危机席卷全球，世界各国金融业受到重创，实体经济严重受损。危机促进了金融监管的反思和变革，2010年巴塞尔委员会修订形成了《巴塞尔协议Ⅲ》，其中重要的一项改进就是引入商业银行杠杆率监管，以此来有效弥补单一资本充足率监管指标的不足。受金融危机影响，中国同样也面临了经济衰退和金融风险的严峻考验。2011年中国银监会出台《商业银行杠杆率管理办法》，将商业银行杠杆率监管作为重要的逆周期宏观
经济新常态时期，中国经济正在由低成本驱动转向创新驱动，而高技术产业是科技创新活动密度最高的产业，引领国家走向科技创新发展前沿。高技术产业在创新研发、技术成果转化、产品生产各个阶段均需要金融业为其提供大量资金支持其发展，金融业也不断通过高技术产业的科技创新提高自身产品和服务的质量。因此，金融业与高技术产业协调发展对于中国经济高质量发展具有重要意义，需要深入研究目前金融业与高技术产业发展的互动效应和耦
城市群作为区域的一个重要单元，对社会经济的发展起着关键性的作用。目前中国正处于改革创新、促进城市群一体化发展的重要阶段。作为中国综合实力领先、工业化进程较快的城市群，长三角在其发展建设过程中，科技创新发展不平衡的问题也日益凸显。因此，破解长三角城市群创新发展的不均衡现象，将对于其制定合理长远的科技发展战略、促进城市群协调发展具有一定的指导意义，使得长三角城市群真正成为引领区域经济发展的标杆，同时，
作为世界上最大的发展中国家，改革开放四十年以来，中国经济发展取得了举世瞩目的成就，工业化和新型城镇化进程日益加快。与此同时，资源消费日益加大，资源需求压力巨大。资源的安全已经成为事关中国全局性的重大战略问题。然而，在中国资源型地区，经济发展往往比较缓慢并有下降的趋势。虽然中国资源储备较为丰富，但却并未将资源优势转变为经济发展优势。资源开发与生态环境问题，往上追溯都是经济发展模式问题——即对物质资源
日新月异的互联网使得文本类数据与日俱增，过载的文本信息增加了检索、归类等任务的难度。传统的文本分类已难满足人类的需求，自动文本分类技术弥补了传统文本分类的不足，其能够自动完成文本分类任务，使得信息检索、分类等任务变得更加简洁高效。 机器学习作为一种数据挖掘技术，能够从大量数据中通过学习而获得人们所需要的信息。朴素贝叶斯算法作为机器学习中一种重要的分类技术，因结构简单、理论扎实及高效准确的特点，被
随着遥感成像技术和计算机硬件的迅猛发展，产生了大量的高分辨率遥感图像。遥感图像已在多个领域广泛应用，从遥感图像检测城市建筑是目前的研究重点之一。由于城市是高密度建筑区域，即在较小范围内有大量结构相似的建筑紧密分布，经典的神经网络和分割算法很难在该场景中准确检测建筑实例。为了解决城市密集场景中的建筑实例分割问题，本文基于传统的分割算法和边缘检测的神经网络，提出了一种强化边界精度的建筑检测新方案。该方
肿瘤治疗因其治愈率低，破坏性强,成为医学界难以攻克的课题。肿瘤细胞的生长演化机制与内在生长规律以及肿瘤细胞的生存性分析特征都为肿瘤治疗提供了强有力的理论支撑。值得指出的是随机微分方程领域的理论研究对肿瘤治疗的临床实践产生重要影响。为更好的研究探讨免疫监视条件下肿瘤演化机制与肿瘤治疗的新思路，本文基于随机微分方程理论和肿瘤免疫模型，系统研究了环境波动，周期治疗方法和随机切换对肿瘤细胞的生存性分析特征
在机器学习的许多领域中，都有高维数据存在，通过挖掘高维数据的结构来找到数据的紧表示对于以最小的存储空间来理解数据是非常关键的。近年来的研究表明，许多高维数据被看作是来自于多个低维线性子空间的并集的样本。本文研究了子空间聚类算法，提出了基于块对角表示的改进子空间聚类算法(New Subspace Clustering by Block Diagonal Representation，NBDR)并且在
对机器学习方法中分类模型的有关分类变量的研究，现有的研究大多集中在变量选择上。作为高维统计建模的基础，变量选择在大规模高维度数据处理问题上的重要性和必要性毋庸置疑。然而，针对低维数据，当可用于分析的变量总数并不多时，变量选择可能会导致关于总体分类有效信息的缺失，从而影响分类精度。同时，现有的二分类机器学习算法通常都会假定各分类变量对类别变量具有完全相同的影响，即在不考虑分类变量对类别变量可能存在不
在超高维数据的交互作用研究中，现存的方法都基于预先假定的特定模型进行筛选，而实际应用效果取决于真实模型与假设模型的相似度，当真实模型偏离假设模型时，可能会导致错误的选择结果。本文将主效应筛选中的无模型方法扩展到交互模型中，提出新的无模型交互作用筛选方法。本论文的主要内容和结论如下： （1）提出了两种基于距离相关的无模型交互作用筛选方法ISDC-T与ISDC-B，这两种方法不要求层次模型假设，适用