检索结果-南通市图书馆

供应链金融视角下企业信用风险评估指标体系的选择与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

济南大学学报（社会科学版） 2021年第2期31卷 103-112,159,160页

作者：羿建华郭峰济南大学商学院山东济南250002 中国人民银行济南分行山东济南250010

发展供应链金融是健全具有高度适应性、竞争力、普惠型现代金融体系的重要组成部分。目前,全球产业链竞争的压力持续增加,供应链金融作为一种面向供应链所有成员企业的系统性金融服务,能够以核心企业为中心,有效整合上下游企业的信用资... 详细信息

发展供应链金融是健全具有高度适应性、竞争力、普惠型现代金融体系的重要组成部分。目前,全球产业链竞争的压力持续增加,供应链金融作为一种面向供应链所有成员企业的系统性金融服务,能够以核心企业为中心,有效整合上下游企业的信用资源,增强链上所有企业的融资能力,对产业链持续升级具有重要作用。与此同时,由于信用资源的重构,对单一企业来说,其信用风险已经发生了相应的迁移,因此,处于供给端的供应链金融在风险管理方面也亟需进行再造和调整。通过对供应链金融环境下企业信用风险形成机理分析,并利用相关理论实证和经验实证方法,提出适合供应链金融环境下的企业信用风险评估指标体系,并利用沪深两市公开数据对相关指标进行检验和筛选。

关键词：供应链金融信用风险评估指标 lr模型

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于视觉特征的疲劳检测算法研究

基于视觉特征的疲劳检测算法研究

作者：孙忆晨北京邮电大学

学位级别：硕士

近年来,伴随着汽车数量以及驾驶人数的增加,全世界面临着更为严峻的交通安全形势。数据表明,疲劳驾驶约占重大交通事故的10%-15%。疲劳检测对于降低交通事故发生率,保障交通出行安全,有着重要的意义和应用前景。如何获取驾驶员的疲劳特... 详细信息

近年来,伴随着汽车数量以及驾驶人数的增加,全世界面临着更为严峻的交通安全形势。数据表明,疲劳驾驶约占重大交通事故的10%-15%。疲劳检测对于降低交通事故发生率,保障交通出行安全,有着重要的意义和应用前景。如何获取驾驶员的疲劳特征,评估其疲劳程度,已成为国内外研究的热点。本论文研究了国内外疲劳检测算法,并针对现有算法的特征少,稳定性差及准确度低等弊端,提出了一种基于多视觉特征的疲劳检测算法。首先,为了提高疲劳检测的准确度和稳定度,在基于人脸检测及关键点定位的基础上,论文研究给出了多个视觉特征来进行疲劳检测,增加了特征向量的维度。这些特征包括眨眼频率、闭眼时长、打哈欠的频率、打哈欠的总时长、点头的频率、点头的总时长、摇头的频率以及摇头的总时长。然后,论文通过各机器学习模型,对采集到的特征样本数据集进行训练和交叉验证,并根据精确率、准确率、召回率等指标,优选出逻辑回归(Logistic Regression,lr)模型,提出了一种基于lr模型的多特征融合的疲劳检测算法。最后,论文搭建了实时的疲劳检测系统,以300帧为检测滑动窗口,实现每秒一次的疲劳检测效果。当系统检测出驾驶员处于疲劳状态时,将立即给予提醒和警告。同时,论文将本文给出的基于lr模型的多特征融合疲劳检测算法与现有的P80单特征检测及基于模糊系统多特征融合检测算法进行了性能比较。结果表明,无论是在检测的准确率,精确率还是召回率上,本文提出的基于lr模型的多特征融合疲劳检测算法都明显优于其它两种检测算法。

关键词：疲劳检测视觉特征机器学习 lr模型

基于XGBoost的集成学习模型及其应用研究

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XGBoost的集成学习模型及其应用研究

作者：唐子薇长沙理工大学

学位级别：硕士

2019年提出的自然梯度提升模型NGBoost(Natural Gradient Boosting)和2016提出的极端梯度提升模型XGBoost(eXtremeGradient Boosting)以及传统的逻辑回归模型lr(Logistic Regression)都是机器学习领域中有效的预测模型。为了进一步增强XGBoost模型的预测能力,本文将其与NGBoost模型和lr模型取长补短,有机地融合,构成一种新的集成机器学习模型,并探索其实际应用。本文主要工作和创新如下:1.提出了一种基于XGBoost和NGBoost及lr进行层次融合的集成机器学习模型XNLBoost,该模型首先基于训练样本集分别对XGBoost和NGBoost两个基模型进行多折交叉验证,接着将基模型多折交叉验证得到的预测结果作为lr模型的训练样本集,然后对lr模型进行训练,lr模型训练后的输出预测结果为XNLBoost模型预测结果。基于皮马印第安人糖尿病数据集、葡萄酒质量数据集、银行营销数据集和心血管疾病数据集分别对 XNLBoost、XGBoost、NGBoost、lr、Adaboost、决策树、KNN、SVM、Bayesian和K-means模型进行训练,训练之后预测标签的分类,使用精准率、准确率和F1分数对这些模型进行性能评价;基于Digits数据集分别对XNLBoost、NGBoost、Adaboost、决策树和Bayesian模型进行训练,训练之后预测标签的分类,使用精准率、召回率和Fl分数对这些模型进行性能评价。结果表明,XNLBoost模型在评价指标下都优于对比模型。2.将XNLBoost模型应用于推荐系统中推荐候选集的评分预测。推荐系统中使用LFM算法和Personalrank算法,基于MovieLens数据集得到用户电影推荐候选集,接着依据用户电影评分训练数据集对XNLBoost模型进行训练,得到预测用户电影推荐候选集的评分,并对评分排序,将前5个得分最高的电影推荐给相应用户。

关键词： XGBoost模型 NGBoost模型 lr模型分类问题推荐系统

基于XGBoost与lr结合的广告点击率预测

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XGBoost与LR结合的广告点击率预测

作者：朴红锦大连理工大学

学位级别：硕士

互联网逐渐成为人们获取信息和娱乐的主要途径,在互联网行业中,互联网广告成为了最主要的盈利模式,流量变现已成为互联网产品中非常重要的评价标准。为了衡量互联网广告效果,引入广告点击率作为重要指标,广告点击率高说明所投放的互联... 详细信息

互联网逐渐成为人们获取信息和娱乐的主要途径,在互联网行业中,互联网广告成为了最主要的盈利模式,流量变现已成为互联网产品中非常重要的评价标准。为了衡量互联网广告效果,引入广告点击率作为重要指标,广告点击率高说明所投放的互联网广告的效果好。因此,广告点击率预估成为一项重要的工作,准确的预估可以提升广告的投放效果,从而帮助广告主在正确的媒体,找到正确的受众,投放正确的广告。逻辑回归模型为最简单的且工业界应用最广的模型,它使用了Logit变换将函数值映射到0区间,映射后的函数值即为广告点击率的预估值。XGBoost模型的全称为极端梯度提升树,XGBoost模型为梯度提升决策树算法的扩展,梯度提升算法以上一步生成的所有树为基础,向着最小化给定目标函数的方向前进。XGBoost模型是用于处理稀疏数据的一种新颖的树学习算法,此外理论上合理的分布式加权直方图算法使得能够在近似树学习中处理实例权重。本文主要使用XGBoost模型训练数据,找出特征组合方式,之后使用逻辑回归模型进行预测。本文首先介绍了广告点击率预测过程的相关定义,并给出了搜索广告和展示广告的主要区别。其次介绍了广告点击率预测模型,其中有逻辑回归模型,XGBoost模型以及XGBoost与lr结合模型的方式和算法。之后为验证lr和XGBoost结合模型的有效性进行实验,实验主要包括对数据进行预处理、对数据集中的变量进行分析、对不平衡样本进行处理、训练模型并确定模型参数的最优解。最后使用不同模型对点击率进行预测,并对其进行比较。

关键词：广告点击率预测 lr模型 XGBoost模型 CTR

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

水稻品种(系)稳定性分析模型的评价

江苏农业学报 2003年第4期19卷 205-210页

作者：陈志德仲维功杨杰张红生南京农业大学农学院江苏南京210095 江苏省农业科学院粮食作物研究所江苏南京210014

　利用方差分析(ANOVA)模型、线性回归(lr)模型和加性主效应乘积交互作用(AMMI)模型对1991年和1992年江苏省中粳稻区域试验参试品种(系)进行稳定性分析。结果表明:lr模型在评价参试品种(系)稳定性方面有一定的局限性;AMMI模型和ANOVA模... 详细信息

　利用方差分析(ANOVA)模型、线性回归(lr)模型和加性主效应乘积交互作用(AMMI)模型对1991年和1992年江苏省中粳稻区域试验参试品种(系)进行稳定性分析。结果表明:lr模型在评价参试品种(系)稳定性方面有一定的局限性;AMMI模型和ANOVA模型对参试品种(系)稳定性分析结果虽互有差异,但趋势基本一致。

关键词：水稻品种稳定性分析模型线性回归加性主效应 lr模型参试品种

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进预测模型的云计算负载分类优化研究

计算机时代 2020年第1期 14-18页

作者：武静丁星朱宏涛中电科华云信息技术有限公司

针对当前大型云计算平台资源利用率相对较低的特点,提出一种改进后的负载分类模型,结合lr模型与ARIMA模型,以获得更优的云计算平台动态负载均衡。通过分析云计算负载的均衡流程,改进现有的负载分类模型;以lr模型与ARIMA模型作为分类选择... 详细信息

针对当前大型云计算平台资源利用率相对较低的特点,提出一种改进后的负载分类模型,结合lr模型与ARIMA模型,以获得更优的云计算平台动态负载均衡。通过分析云计算负载的均衡流程,改进现有的负载分类模型;以lr模型与ARIMA模型作为分类选择,通过MATLAB2014R完成对云计算资源调度的优化模型实验。实验结果表明,改进模型明显优于现有模型,证明了该模型的有效性。

关键词：云平台负载分类负载预测 lr模型 ARIMA模型