检索结果-南通市图书馆

An Embedded Feature Selection Method for Imbalanced Data Classification

在线全文

学校读者我要写书评

暂无评论

IEEE/CAA Journal of Automatica Sinica 2019年第3期6卷 703-715页

作者： Haoyue Liu MengChu Zhou Qing Liu IEEE the Department of Electrical and Computer Engineering New Jersey Institute of Technology Institute of Systems Engineering Macao University of Science and Technology

Imbalanced data is one type of datasets that are frequently found in real-world applications, e.g., fraud detection and cancer diagnosis. For this type of datasets, improving the accuracy to identify their minority class is a critically important issue.Feature selection is one method to address this issue. An effective feature selection method can choose a subset of features that favor in the accurate determination of the minority class. A decision tree is a classifier that can be built up by using different splitting criteria. Its advantage is the ease of detecting which feature is used as a splitting node. Thus, it is possible to use a decision tree splitting criterion as a feature selection method. In this paper, an embedded feature selection method using our proposed weighted Gini index(WGI) is proposed. Its comparison results with Chi2, F-statistic and Gini index feature selection methods show that F-statistic and Chi2 reach the best performance when only a few features are selected. As the number of selected features increases, our proposed method has the highest probability of achieving the best performance. The area under a receiver operating characteristic curve(ROC AUC) and F-measure are used as evaluation criteria. Experimental results with two datasets show that ROC AUC performance can be high, even if only a few features are selected and used, and only changes slightly as more and more features are selected. However, the performance of Fmeasure achieves excellent performance only if 20% or more of features are chosen. The results are helpful for practitioners to select a proper feature selection method when facing a practical problem.

关键词： Classification and regression tree feature selection imbalanced data weighted Gini index (WGI)

基于Gini修正G1组合赋权的低碳经济评价模型与实证

在线全文

学校读者我要写书评

暂无评论

东北大学学报（自然科学版） 2017年第12期38卷 1800-1804页

作者：王斌李刚刘丽波陈凯东北大学工商管理学院辽宁沈阳110169 秦皇岛市统计局河北秦皇岛066000

主要目的是通过构建低碳经济评价模型实现对低碳经济发展水平的评价,并找出低碳经济发展的影响因素,低碳经济评价结果可以对低碳经济发展的政策制定提供理论依据和参考.首先,根据低碳经济的涵义构建低碳经济评价指标体系;然后,利用G1赋... 详细信息

主要目的是通过构建低碳经济评价模型实现对低碳经济发展水平的评价,并找出低碳经济发展的影响因素,低碳经济评价结果可以对低碳经济发展的政策制定提供理论依据和参考.首先,根据低碳经济的涵义构建低碳经济评价指标体系;然后,利用G1赋权法和Gini赋权法构造了基于客观修正主观的组合赋权方法,确定评价指标的组合权重;最后,对秦皇岛市2005~2015年的低碳经济发展水平进行了实证研究,判断秦皇岛市的低碳经济发展水平,找出影响秦皇岛市低碳经济发展的因素,为秦皇岛市低碳经济发展政策制定提供理论依据和参考.

关键词：低碳经济低碳经济评价 Gini G1

基于随机森林算法的企业价值预测与信息管理平台

在线全文

学校读者我要写书评

暂无评论

基于随机森林算法的企业价值预测与信息管理平台

作者：邹子奇华东师范大学

学位级别：硕士

随着信息化技术的飞速发展,行业内涌现出越来越多的公司进行智能化管理,以提高项目的质量和准确性。而目前我所在的高新科技园区仍根据软件信息企业的实际需求,采用人工的方式进行材料编制,这种方式不仅效率较低,而且准确性不高;在和企... 详细信息

随着信息化技术的飞速发展,行业内涌现出越来越多的公司进行智能化管理,以提高项目的质量和准确性。而目前我所在的高新科技园区仍根据软件信息企业的实际需求,采用人工的方式进行材料编制,这种方式不仅效率较低,而且准确性不高;在和企业对接洽谈时,企业的价值评估也仅依靠企业的自我介绍,对企业采用主观臆断的方式进行评判和预测,缺少数据支撑的客观性。为此,本文设计了一个企业价值预测和信息管理平台。它可以根据企业的实际需求,导入软件信息企业的数据,自动产生对应的工商、税务等材料,以及根据企业的还债、获利、运营、发展、税收等数据来预测企业价值,并为企业提供园区更好的相关扶持政策。主要研究内容如下:(1)分析并确定企业价值预测与信息管理平台的功能和业务流程。给出平台相应的用例图和系统功能时序分析,并描述了平台主界面模块、办证管理模块、企业信息管理模块、税务管理模块和企业价值预测模块的具体功能需求和非功能需求。(2)基于随机森林算法构建企业价值预测模型。对企业报表进行数据预处理,分析了还债能力表、运营效益表、获利能力表、发展潜力表、现金流量指标表、企业税收表,其中主要包括企业增值税、企业所得税、个人所得税等具体信息。采用Gini方法选取最优特征值,运用SVR方法进行模型训练,使用Python语言进行模型实现,最后给出模型的最终预测结果。(3)基于前后端分离模式实现了企业价值预测和信息管理平台的功能。对系统进行体系架构设计和逻辑结构设计,给出平台的办证管理模块、企业信息管理模块、税收管理模块和企业价值预测模块功能的具体操作界面,并给出了相应的平台功能用户流程和测试用例。基于随机森林算法的企业价值预测与信息管理平台能使园区招商服务人员省去重复性操作,更高效和准确地进行材料编制和更客观地对企业价值进行预测,提高工作效率,产生更大的企业和园区效益。

关键词：随机森林企业价值决策树 SVR Gini 价值预测

基于区域划分方法的中国人口分布格局及变化研究——从1953年到2010年（英文）

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

Journal of Geographical Sciences 2019年第11期29卷 1908-1922页

作者：刘翠玲许亚平王法辉 Department of Geography and Anthropology Louisiana State University

This study uses six censuses (1953,1964,1982,1990,2000,and 2010) at the county level since the foundation of the People’s Republic of China to examine the changes of population density pattern in China's Mainland over time.Based on the Gini coefficient,the change of disparity in population density followed a “U-shaped” trend,i.e.,decreasing during 1953–1982 and increasing during 1982–2010.The shrinking disparity in the pre-reform periods was largely attributable to various ill-conceived political movements,and the enlarging gap in population growth rates in the post-reform era reflected a natural outcome of urbanization,which will continue in the foreseeable future.In addition,this research employs a GIS-automated regionalization method,REDCAP,to uncover a natural demarcation line like the classic “Hu Line” that divides China into two regions of similar area sizes but a strong contrast in population.The results show that the regionalization-derived lines were largely consistent with the Hu Line over time.Therefore,the disparity between the high-density southeast and low-density northwest regions is likely due to differing physical environments that form a natural barrier.Any public policy to overcome this barrier at a large scale is destined to be a vain attempt.

关键词： regional population distribution temporal change disparity Gini coefficient regionalization GIS Hu Line China

一种用于文本分类的去冗余特征选择新方法（英文）

在线全文

学校读者我要写书评

暂无评论

Frontiers of Information Technology & Electronic Engineering 2018年第2期19卷 221-234页

作者： You-wei WANG Li-zhou FENG School of Information Central University of Finance and Economics School of Science and Engineering Tianjin University of Finance and Economics

特征选择是文本分类领域一种重要降维方法。针对传统特征选择方法所选特征集常包含冗余信息的问题,提出一种能够有效去除冗余信息的特征选择新方法。首先,为衡量两个词之间的关系,引入基于词频的相关性和相对冗余词集的概念;接着,选择... 详细信息

特征选择是文本分类领域一种重要降维方法。针对传统特征选择方法所选特征集常包含冗余信息的问题,提出一种能够有效去除冗余信息的特征选择新方法。首先,为衡量两个词之间的关系,引入基于词频的相关性和相对冗余词集的概念;接着,选择一种最优特征选择方法并用其获得一个临时特征子集;最后,为提高算法执行效率,结合预设阈值去除临时特征子集中的冗余特征,并将结果存储在链表结构中。实验以支持向量机和朴素贝叶斯作为分类器,并以WebKB、20-Newsgroups和Reuters-21578作为测试数据集。实验结果表明,该方法分类精度高于传统特征选择方法;相对于基于互信息的方法而言,该方法能够在保证分类精度的同时,有效提高运行效率。

关键词：特征选择信息验证分类处理冗余性特征子集支持向量 Gini 精确性

Modeling Impact of Natural Hazard-Induced Disasters on Income Distribution in the United States

在线全文

学校读者我要写书评

暂无评论

International Journal of Disaster Risk Science 2017年第4期8卷 435-444页

作者： Lin Fang Jiayu Wu Tatjana Miljkovic Department of Statistics Miami UniversityOxfordOH 45056USA

Economic damage due to hurricane activities has been shown to impact income inequality in the coastal states of the United States. We consider 17 other natural hazards, in addition to hurricanes, that affected the entire United States for the period 1970–2013. Two fixed effects models were developed to quantify the relationship between income inequality and economic and demographic variables, including crop and property losses from natural hazard-induced disasters. These models include state-byyear and region-by-year fixed effects models. Our findings show that the damages from all natural hazards impact income distribution across the United States, not only in hurricane-affected areas, but also in non-hurricane states.The results of our study have important implications for the insurance industry and government policymakers.

关键词： Disaster insurance Gini coefficient Income distribution Natural hazard-induced disasters United States

基于临床数据的小儿肠道疾病辅助诊断建模与分析

在线全文

学校读者我要写书评

暂无评论

基于临床数据的小儿肠道疾病辅助诊断建模与分析

作者：陈刚景德镇陶瓷大学

学位级别：硕士

随着信息技术的不断发展,每年由智能医疗仪器产生的医学数据呈现爆发式的增长。当前人们对于数值、文本型医学数据的研究还只是局限于简单的统计分析,并没有深层次挖掘这些数据背后的隐藏信息。本文通过引入一些机器学习算法挖掘这些数... 详细信息

随着信息技术的不断发展,每年由智能医疗仪器产生的医学数据呈现爆发式的增长。当前人们对于数值、文本型医学数据的研究还只是局限于简单的统计分析,并没有深层次挖掘这些数据背后的隐藏信息。本文通过引入一些机器学习算法挖掘这些数值、文本型临床数据与疾病之间的联系,从而为疾病的诊断治疗提供决策支持,具体研究内容及结果如下:1)构建小儿肠梗阻患者下一阶段诊治方案决策模型。本文使用深度神经网络算法对小儿肠梗阻患者的血常规以及肝肾功能检查指标进行模型的训练。针对数据样本不完整的情况时,分别尝试了不同的插值方式来训练模型。最终采用了“类别均值”的插值的方式来填补这些空缺数据,这样既可以避免样本数据信息的丢失,也可以较大程度使得填补数据符合原始真实值。并使用基于Gini系数的特征重要性评价指标对各个特征的重要性进行评分,选取一些重要性显著的特征作为医生诊断参考的指标。为了评估模型的稳定性,本文使用了5折交叉验证来检验模型。实验结果表明,模型的分类性能能够为医生提供辅助性的决策建议。2)构建小儿腹股沟疝患者伴随肠道坏死并发症诊断模型。本文根据收集的数值型临床数据的自身特性,分别对血常规、肝肾功能检查指标进行建模分析。针对实验中出现的数据不平衡问题,本文采用了基于投票的集成方法来处理该问题。首先将多数类别的样本数据平均划分成多个子样本,将每个子样本分别与少数类样本构成平衡数据集。然后分别对平衡数据集进行训练,将训练的众多模型组合成集成学习模型,模型之间的投票结果作为集成学习模型的分类结果。之后本文还对模型特征做了进一步的优化工作,将特征的重要性作为迭代的基础逐次添加特征值并训练模型,根据模型性能选择最优的特征组合。经过实验验证,使用特征优化之后的数据集训练的模型准确率有86.43%,性能要优于原始检查参数训练的模型。因此特征优化后的模型能够在医生诊断小儿腹股沟疝患者是否伴随肠道坏死并发症时,提供辅助性的决策支持。综上所述,本文在面对数据冗余、缺失和不平衡等情况时,分别使用了统计分析、插值以及集成学习等方法来处理医学临床数据中的这些常见问题。本文基于数值型临床数据构建的辅助决策模型在确保准确率的情况下,并能够针对分类结果给出合理的医学解释。它使得辅助决策模型在该类数据上的应用具有重要的意义。

关键词：临床数据机器学习 5折交叉验证 Gini 不平衡数据

融合MOOC学习行为的教育辅助系统的设计与实现

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

融合MOOC学习行为的教育辅助系统的设计与实现

作者：韩新超北京交通大学

学位级别：硕士

随着互联网技术的快速发展,MOOC方式的在线教育得到传播,得到了众多学习者的追捧,特别是高校的教育工作者开始广泛进行MOOC在线学习与线下课堂结合的教育实践。在学习者进行MOOC学习的过程中产生大量的用户行为数据,这些数据能够客观地... 详细信息

随着互联网技术的快速发展,MOOC方式的在线教育得到传播,得到了众多学习者的追捧,特别是高校的教育工作者开始广泛进行MOOC在线学习与线下课堂结合的教育实践。在学习者进行MOOC学习的过程中产生大量的用户行为数据,这些数据能够客观地反映学习者的实际情况。因此,关于MOOC的行为数据挖掘成为教育领域的研究热点。本文关注的重点在于挖掘MOOC学习行为数据的实际应用价值。首先利用改进的决策树TG-C4.5算法,对学习行为数据进行数据挖掘,实现成绩的预测分类目标;其次,解决缺乏数据挖掘知识的教育工作者对挖掘结果理解的问题,将算法集成应用到教育辅助系统中,实现预测分析结果的可视化,为教师对教学预警等信息的决策提供依据。本文的主要研究工作如下:(1)基于传统的决策树C4.5算法的改进。在传统决策树C4.5算法中,对算法存在的时间消耗多和准确率有待提高等问题,通过采用加入泰勒级数和Gini指数两种方法对其进行改进,得到TG-C4.5算法,并通过在UCI数据集上进行实验,验证该算法的有效性。(2)数据的获取和预处理。我们采用某高校学生在MOOC上的行为日志等,利用Java等相关技术对MOOC相关日志进行解析和清洗,实现数据的预处理,并且选择预处理后的数据作为改进算法实际应用的数据源。(3)改进算法在MOOC中的应用。对预处理得到的数据源,采用皮尔森系数和信息增益两种方法进行属性选择,然后通过属性选择后的MOOC数据集将相关算法与提出的TG-C4.5算法进行对比实验,验证了 TG-C4.5算法实际应用的有效性,为后文中系统的实现做铺垫。(4)融合MOOC学习行为的教育辅助系统的设计与实现。该系统在HTML、Flask框架和Python等相关技术完成基本功能需求的基础上,将提出的TG-C4.5算法集成到教育辅助系统中,实现MOOC学习行为成绩的预测和预测结果的可视化,为教师和学习者提供良好的预警信息等决策支持。

关键词： MOOC C4.5 决策树数据挖掘 Gini

A quantitative analysis of inequality of urban cultural space distribution in Xi'an

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

Science China(Technological Sciences) 2019年第3期62卷 502-510页

作者： WANG ShuSheng ZHANG Yao XU YuQian YAN ShaoFei State Key Laboratory of Green Building in Western China Xi'an University of Architecture and Technology College of Architecture Xi'an University of Architecture and Technology

Urban cultural space(UCS) has been of great social and economic value for sustainable development, and the existing researches about it mainly focus on some specific aspects, such as historical heritage or cultural service facility. However, UCS hasn't been quantitatively assessed as an independent system with clear definition and comprehensive classification. Thus, we present a quantitative analysis based on the statistic of UCS provision in different categories between 44 sub-districts in Xi'an and find its inequalities. Xi'an urban land use data and population data of sub-district level are introduced in the analysis process with GIS,SPSS and MATLAB. Our results indicate that inequalities of UCS in Xi'an are mainly reflected in three aspects, including categories, geospatial and population. Among the four categories of UCS, historical heritage and cultural park account for higher percentage, while cultural service facility and religious space are lower. The inequalities in geospatial could be estimated from two indicators. The first indicator named cultural space rate ranges from 0 to 66.88%, while the other named distance between residential and cultural space varies from 100.47 m to 2004.75 m. The inequalities in population could be assessed by cultural space per capita and Gini coefficient. The results indicate that per capita ranges from 0 m^2 to 214.79 m^2. The Gini coefficient of Xi'an is 0.86, which means that the UCS distribution in population is extremely inequitable. Our studies would further the research on UCS and provide constructive suggestions in urban planning and policy formulation to ensure adequate UCS provision and improve its distributional order in Xi'an.

关键词： urban cultural space(UCS) land use inequality indicators cultural space rate Gini coefficient