检索结果-南通市图书馆

基于adasyn与AdaBoostSVM相结合的不平衡分类算法

在线全文

学校读者我要写书评

暂无评论

北京工业大学学报 2017年第3期43卷 368-375页

作者：柳培忠洪铭黄德天骆炎民王守觉华侨大学工学院福建泉州362000 中国科学院半导体研究所江苏苏州215123

对于平衡数据集支持向量机(support vector machine,SVM)通常具有很好的分类性能和泛化能力,然而对于不平衡数据集,SVM只能得到次优结果,针对该问题提出了一种基于SVM的AS-Ada Boost SVM分类算法.首先,通过使用adasyn采样,提高少类样本... 详细信息

对于平衡数据集支持向量机(support vector machine,SVM)通常具有很好的分类性能和泛化能力,然而对于不平衡数据集,SVM只能得到次优结果,针对该问题提出了一种基于SVM的AS-Ada Boost SVM分类算法.首先,通过使用adasyn采样,提高少类样本在边界区域的密度;然后,使用基于径向基核支持向量机(radial basis function kernel mapping support vector machine,RBFSVM)模型弱分类器的Ada Boost SVM算法训练得到决策分类器.通过将该算法在各种不平衡数据集上的测试结果与单纯运用adasyn技术、Ada Boost SVM、SMOTEBoost等其他分类器进行比较,验证了该算法的有效性和鲁棒性.

关键词：机器学习不平衡数据数据分类 adasyn AdaBoostSVM

基于ODR-adasyn-SVM的极端金融风险预警研究

在线全文

学校读者我要写书评

暂无评论

管理科学学报 2016年第5期19卷 87-101页

作者：林宇黄迅淳伟德黄登仕成都理工大学商学院成都610059 西南交通大学经济管理学院成都610031

针对合成少数类过采样(synthetic minority over-sampling technique,SMOTE)方法在提升支持向量机(support vector machine,SVM)的非均衡样本学习能力中出现的过拟合(over fitting),引入自适应合成抽样方法(adaptive synthetic sampling approach,adasyn)和逐级优化递减欠采样方法(optimization of decreasing reduction,ODR)分别克服SMOTE在生成新样本中的盲目性和在处理对象上的局限性,进而与SVM相结合,构造出改进SVM,即ODR-adasynSVM模型来预测中国极端金融风险;最后运用T检验对各模型预测精度的差异性进行显著性检验以及对各模型的预测稳定性进行评价.实证结果表明,ODR-adasyn-SVM模型不仅能够显著地提升SVM的非均衡样本学习能力,同时也能够有效地克服SMOTE的过拟合,从而展示出优越的极端金融风险预测性能.

关键词： ODR adasyn 支持向量机极端金融风险预警模型

基于adasyn的跨境电商小微企业信用风险模型优化研究

在线全文

学校读者我要写书评

暂无评论

江西师范大学学报（哲学社会科学版） 2023年第2期56卷 118-127页

作者：李志强余炫朴江西财经大学统计学院江西南昌330000

随着数字经济在我国的不断发展,数字经济技术为地方企业带来新的机遇与挑战。聚焦跨境电商小微企业信用风险管理,并以江西为例建立符合江西跨境电商实际发展境况的企业信用风险评价指标。随后分别使用BP神经网络、K近邻及支持向量机机... 详细信息

随着数字经济在我国的不断发展,数字经济技术为地方企业带来新的机遇与挑战。聚焦跨境电商小微企业信用风险管理,并以江西为例建立符合江西跨境电商实际发展境况的企业信用风险评价指标。随后分别使用BP神经网络、K近邻及支持向量机机器学习分类模型,对江西跨境电商小微企业进行信贷违约预测。实证结果显示:三种深度学习分类模型均具有良好的准确性。为进一步优化江西跨境电商小微企业信用风险模型,特引入adasyn算法,研究结果显示:adasyn算法优化了三种模型的预测准确度。将模型的计算效率用于衡量模型的优秀程度,发现adasyn—KNN综合时效性最佳。

关键词：机器学习 adasyn 跨境电商小微企业信用风险

维普期刊数据库博看期刊

ENN-adasyn-SVM算法检测P2P僵尸网络的研究

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2016年第2期37卷 216-220页

作者：康松林樊晓平刘乐李宏李明娟中南大学信息科学与工程学院长沙410083 湖南财政经济学院网络化系统研究所长沙410205

由于对组织或个人采取针对性的攻击,僵尸网络对因特网构成越来越严重的威胁.并且不同的加密方法以及隐蔽的通信信道使得p2p僵尸网络越来越难以检测.之前有很多基于分类检测算法的文献都有很高的整体正确率,但是单独类并没有很高的正确率... 详细信息

由于对组织或个人采取针对性的攻击,僵尸网络对因特网构成越来越严重的威胁.并且不同的加密方法以及隐蔽的通信信道使得p2p僵尸网络越来越难以检测.之前有很多基于分类检测算法的文献都有很高的整体正确率,但是单独类并没有很高的正确率.同时,之前的文献并没有考虑到正常的网络流量和僵尸网络流量严重不平衡的问题.为了解决以上两个问题,提出一种基于最近邻规则欠抽样方法(ENN)和adasyn(Adaptive Synthetic Sampling)结合的不均衡数据SVM分类算法应用于P2P僵尸网络检测.实验结果表明,无论是僵尸网络还是正常的流量,该方法都具有很高的正确率,并能在短时间内达到很好的分类效果;较之其他算法,它更适合处理大规模网络实时环境中大量的原始数据,对统计数据依赖性小,对不均衡数据分类具有较好的鲁棒性.因此,基于不均衡数据ENN-adasyn-SVM分类算法更适应于复杂多变的网络环境下的P2P僵尸网络检测.

关键词： P2P僵尸网络检测 SVM 不均衡数据分类最近邻规则欠抽样方法(ENN) adasyn

基于adasyn和Stacking集成的南太平洋黄鳍金枪鱼渔场预报模型研究

在线全文

学校读者我要写书评

暂无评论

海洋渔业 2023年第5期45卷 544-558页

作者：张聪周为峰樊伟中国水产科学研究院东海水产研究所上海200090 中国农业科学院研究生院北京100081

为提供更为准确的南太平洋黄鳍金枪鱼(Thunnus albacores)渔场预报信息,针对传统渔场分类问题中渔场和非渔场样本数据分布不均衡的问题,提出了一种基于自适应综合过采样(adasyn)和Stacking集成的渔场分类模型——A-Stacking模型。利用2... 详细信息

为提供更为准确的南太平洋黄鳍金枪鱼(Thunnus albacores)渔场预报信息,针对传统渔场分类问题中渔场和非渔场样本数据分布不均衡的问题,提出了一种基于自适应综合过采样(adasyn)和Stacking集成的渔场分类模型——A-Stacking模型。利用2008—2019年南太平洋黄鳍金枪鱼的渔业数据,结合时空因子、海洋环境因子共32个特征要素(月份、经纬度、海平面异常、涡动能、叶绿素a浓度、叶绿素梯度、叶绿素距平、海表温度梯度、海表温度距平以及0~500 m水层的垂直温度和盐度)建立了南太平洋黄鳍金枪鱼渔场预报模型。为了验证模型的可靠性,将CART、Adaboost、GBDT、XGBoost、KNN、RF和Stacking模型对照。结果显示,A-Stacking模型具有更高的准确率、召回率、F1-score、G-mean和AUC值,且模型的ROC曲线和PR曲线能较好地包含其他模型,表明模型的分类效果更好。研究表明,A-Stacking集成模型对南太平洋黄鳍金枪鱼渔场的预报效果较好,能有效处理不均衡数据的渔场分类问题,可为今后的渔场预报方法提供参考。

关键词：渔场预报 adasyn Stacking 分类黄鳍金枪鱼南太平洋

基于adasyn-SFS-RF的欺诈检测模型泛化性能提升及可解释性研究

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2022年第12期39卷 3605-3613页

作者：汪万敏智路平上海理工大学管理学院上海200093

针对行业欺诈行为形式多样、操作隐蔽,且数据分布极端不平衡等问题,研究采用adasyn(adaptive synthetic sampling approach for imbalanced learning)算法将分类决策边界向困难的实例进行自适应移动实现数据扩增,以解决不平衡数据造成... 详细信息

针对行业欺诈行为形式多样、操作隐蔽,且数据分布极端不平衡等问题,研究采用adasyn(adaptive synthetic sampling approach for imbalanced learning)算法将分类决策边界向困难的实例进行自适应移动实现数据扩增,以解决不平衡数据造成的过拟合问题。采用基于随机森林的序列向前搜索策略算法筛选出最优特征子集对欺诈进行检测,降低adasyn算法添加噪声数据对分类边界确定的影响,构建欺诈检测模型,并使用LIME对模型检测结果作出局部解释,提高模型的使用价值。实验表明,该模型可以较好地克服传统欺诈检测模型对多数类样本误分类的缺陷,有助于提高行业对交易欺诈行为识别的效率。同时,通过LIME对模型检测出的随机样本进行有效解析,便于决策者对算法模型的检测结果作出实证分析,起到明显的预警及决策参考价值。

关键词：欺诈检测随机森林 adasyn LIME 特征选择

同方期刊数据库

基于adasyn-XGBoost算法的光伏出力预测研究

在线全文

学校读者我要写书评

暂无评论

中国农村水利水电 2024年第6期 266-270页

作者：凌煦周晓刚陈文哲符向前黄社华国家电网有限公司华中分部湖北武汉430072 武汉大学动力与机械学院湖北武汉430072 武汉大学水利水电学院湖北武汉430072

随着光伏发电大规模并入电网,由此产生的源端可供电量不确定性问题日益突出,精准预测光伏出力,对电网资源优化配置、提升光伏消纳能力起着关键的支撑作用。通过研究影响光伏出力的关键要素,以历史气象特征数据为输入构建光伏出力预测模... 详细信息

随着光伏发电大规模并入电网,由此产生的源端可供电量不确定性问题日益突出,精准预测光伏出力,对电网资源优化配置、提升光伏消纳能力起着关键的支撑作用。通过研究影响光伏出力的关键要素,以历史气象特征数据为输入构建光伏出力预测模型,在实践过程中,对存在的主客观问题,从算法层面进行了模型优化。(1)针对光伏电站历史运行样本量小、气象特征变化多,导致诸多稀疏特征样本的问题,引入了adasyn自适应采用算法,进行数据集重平衡;(2)通过XGBoost算法搭建了基于气象特征的光伏出力模型,并与传统的BP神经网络进行比较。通过某光伏电站的实际历史数据预测结果比较,结合adasyn过采样和XGBoost算法,能有效提升模型的准确性;较BP神经网络相比,adasyn-XGBoost算法的MAE、RMSE、MAPE和R2分别提高了66.7%、68.9%、58.0%和1.6%,评估指标明显优化。

关键词：光伏 adasyn 出力预测 XGBoost算法

基于adasyn-logit的创业板公司财务风险预警研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于ADASYN-logit的创业板公司财务风险预警研究

作者：覃爽成都理工大学

学位级别：硕士

创业板市场自2009年10月30日成立至今,已经公开交易达九年,在这九年间,市场规模日益壮大,交易机制逐渐健全。但2018年《中国非金融类上市公司财务安全评估报告》中显示,2018年创业板市场整体财务安全状况是主板、中小板和创业板三个分... 详细信息

创业板市场自2009年10月30日成立至今,已经公开交易达九年,在这九年间,市场规模日益壮大,交易机制逐渐健全。但2018年《中国非金融类上市公司财务安全评估报告》中显示,2018年创业板市场整体财务安全状况是主板、中小板和创业板三个分市场中表现最差的,下滑速度也是三个分市场中最快的,财务风险高于主板和中小板,总体投资风险进一步加大。因此,在创业板整体飞速发展的同时,如何建立创业板公司财务风险预警模型,帮助创业板公司提前预测到危机,从而避免财务危机的发生,这是目前创业板市场迫在眉睫的问题。我国创业板市场是个新兴的市场,和国外的创业板市场有所不同,所以国内外学者的研究相对较少。在样本选取条件问题上,由于创业板没有类似主板和中小板的ST警示制度,创业板本身的财务风险状况也比主板和中小板差,为了更好、更及时地对创业板公司的财务风险进行预警,本文在分析了相关制度文件的基础上将创业板财务危机公司定义为“最近一个会计年度净利润为负”或“最近一个会计年度净资产为负”的公司,而不满足这两个条件之一的公司即为财务正常公司。依据此条件,本文选取了160家创业板公司样本,其中有40家财务危机公司样本和120家财务正常公司样本,两种样本的配对比例为1:3,并将样本集分为两组,一组为训练组,一组为测试组。本文没有依照以往很多研究中采用的1:1平衡配对比例,是为了更贴近现实情况中财务风险公司和财务正常公司的真实比例。由于一个公司的财务指标繁多,不可能将其全部作为特征指标,因此本文在参考以往的大量研究后,从盈利能力、营运能力、偿债能力、发展能力和现金流状况五个方面选取了24个财务指标。财务危机发生的当年为T年,而根据大量研究显示基于T-1年即财务危机发生前一年的财务数据建立的模型准确率最高,于是本文也选用了这些样本公司T-1年的财务数据作为样本数据。由于在选取样本时用的是随机抽样法,没有考虑创业板市场中各个行业板块之间以及不同规模公司之间存在的财务数据差异,为了减少由此产生的异常值对建模的不良影响,本文对收集到的样本数据进行了上下1%的Winsorize极端值处理。在数据的预处理过后,为了剔除掉在财务危机和财务正常公司这两类样本之间没有显著差异的财务指标,本文首先对样本数据进行了T检验和Wilcoxon符号秩检验,检验结果显示所有样本数据均具有差异性。其次,为了研究是哪一类或哪几类财务指标对财务风险这一变量产生了显著影响,也为了减轻财务指标之间存在的多重共线性对后续实证研究的干扰,在数据预处理完毕之后本文对24个财务指标进行了PCA降维处理,最后得到8个公共因子,每个公共因子各自包含的财务信息都有所不同,至此样本选取和特征指标体系的构建工作完成。在实证部分,本文根据Logit模型的原理,对8个特征指标进行了二分类Logit回归,剔除掉不显著的自变量之后,建立了一个基于Logit的创业板公司财务风险预警模型。回归结果显示创业板公司的盈利能力和营运能力两方面的财务指标会对公司的财务风险产生显著影响。同时在运用测试组样本对该模型进行测试后发现,非平衡样本下建立的普通Logit模型的分类结果会显著偏向于财务正常公司,无法准确判断出财务危机公司的存在,不具有实际运用的意义,因此本文引入了adasyn方法,将财务危机样本的数量扩大了3倍,再与原来的财务正常样本组合形成新的样本集。基于新样本集,本文建立了基于adasyn-Logit的创业板公司财务风险预警模型。回归结果显示,创业板公司的盈利能力、营运能力和偿债能力都会对公司的财务风险产生显著影响。再运用测试集样本进行测试,本次的测试结果显示,adasyn改进后的创业板公司财务风险预警模型整体的预测准确率为75%,对于财务危机样本的识别能力也显著强于基于普通Logit的财务风险预警模型。为了更准确地分析判断两类模型的预测性能,本文依据以往研究使用了F值和G值两个评价标准,同时因为adasyn是对SMOTE过采样方法的改进,为了比较改进效果,还加入了基于SMOTE-Logit的创业板公司财务风险预警模型进行对比。从三个模型的F值和G值来看,在非平衡样本下,基于adasyn-Logit的公司财务风险预警模型的预测性能最好,基于SMOTE-Logit的公司财务风险预警模型次之,普通公司财务风险Logit预警模型最差。本文的创新点在于以下两个方面:(1)因为创业板公司的财务风险预警研究不多,而创业板公司本身相对于主板和中小板公司的抗风险能力更差,发生财务风险的概率也更高,所以本文将样本选取的视角放在了创业板这一板块;(2)为了更贴近实际情况,本文没有采用1:1的平衡样本,而是采用了1:3的非平衡样本,并将adasyn方法与Logit模型相结合,对非平衡样本下建立的基于普通Logit的创业板公司财务风险预警模型作出了改进。实证结果

关键词：创业板财务风险预警模型二元Logit模型 adasyn

基于ODR-adasyn-SVM的能源企业财务风险预警研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于ODR-ADASYN-SVM的能源企业财务风险预警研究

作者：张莹鹤成都理工大学

学位级别：硕士

能源是人类社会生活的重要物质基础,是国家经济发展的基础,在工业化进程中起着重要支撑作用。在资源储存量有限的情况下,快速的经济增长通常会带来能源资源的匮乏,随着全球经济规模与一体化的不断扩大和加深,全球能源的消费亦逐渐增大,... 详细信息

能源是人类社会生活的重要物质基础,是国家经济发展的基础,在工业化进程中起着重要支撑作用。在资源储存量有限的情况下,快速的经济增长通常会带来能源资源的匮乏,随着全球经济规模与一体化的不断扩大和加深,全球能源的消费亦逐渐增大,由此使得国际之间对于能源的竞争愈演愈烈。受去杠杆、供给侧结构性调整等宏观政策影响,在我国经济发展中具有特殊地位的能源企业要在这风云变幻的能源博弈竞争中站稳脚跟,并不断发展,就更加需要关注企业的风险控制。而财务危机通常是企业出现危机的开端,财务危机预警系统可以起到提前知晓危机到来的警示作用。所以,建立能源企业财务风险预警模型具有重要研究意义。基于以上分析,本文以我国原煤、石油、天然气、电力、有色金属等5个行业的能源上市公司为研究对象。首先以是否因财务问题摘得ST作为界定健康企业与财务危机企业的标准,其次选择36个财务与非财务特征指标,并相继运用正态检验、显著性检验、相关性检验以及逐步分析法筛选出对企业财务状况具有显著贡献的7个特征指标,完成预警模型指标体系的建立。由于能源市场之间的非线性关系,本文引入非线性支持向量机SVM人工智能预警模型,又因危机企业与健康企业样本数量的严重不均衡性,本文采用混合抽样ODR-adasyn对非均衡样本进行处理,建立ODR-adasyn-SVM财务风险预警模型。本文实验主要内容如下:（1）对模型核函数的选取进行研究。核函数的构造是支持向量机实现由线性分类向非线性分类转换的重要途径,因而其核函数的选择对分类器预测性能影响毋庸置疑。本文选取目前具有代表性的Linear,polynomial,RBF,以及Sigmoid等4种核函数,并以G、F以及Acc值作为模型预测性能的评价指标对上述4种核函数进行对比分析。研究发现,在T-1时期选择polynomial核函数,在T-2时期选择Sigmoid核函数,在T-3时期选择polynomial核函数,模型的预测效果最佳。（2）对模型的参数进行分析。为更加深入和客观的分析ODR-adasynSVM预警模型的预测效果,以T-2时期为例,本文分别从非均衡期望水平?以及近邻样本k的变化对模型的预测性能展开分析。研究结果表明,在?为0.9之前,G值和F值稳定缓慢增长;当?为0.9时,G值和F值达到最高值;当?为1时,即只采用欠采样,模型退化为ODR-SVM时,评价值骤降到最低值。以上结果说明,在不均衡样本下,单纯采用欠采样对样本进行均衡可能会大量删除掉有用信息,并不能有效解决SVM处理不均衡样本所面临的缺点。其次,当为0.9而k为3时,模型的G、F以及Acc值均达到最高。鉴于此,本文在T-2时期选择以上两个参数值对模型进行研究。（3）对不同预警模型进行对比。为检验此预警模型是否较其他预警模型具有优越性,本文将此模型与SVM、Logistic、Bayes以及BP神经网络进行对比。研究结果表明,ODR-adasyn-SVM预警模型在时间跨度上具有更稳定的性能,在预测准确度上也显著优于其他预警模型。综上,基于ODR-adasyn-SVM的能源型企业财务风险预警模型可以成为有效的风险防范和应对工具。于企业管理层而言,可以作为企业财务风险防控工具使用,对即将发生的财务风险做到未雨绸缪并及时出台相关应对措施;于政府机构而言,可以为国家机构了解能源行业风险状况提供参考和出台相关政策的依据;于投资者而言,可以提前捕获能源企业财务风险危机的信号,及时调整投资策略,避免相关利益受到损失。最后,本文还结合能源型企业的特点,分别从企业内部控制、财务风险管理、以及信息化建立方面提出政策性意见。

关键词：能源企业财务预警模型支持向量机 ODR adasyn