关键词： 贷款违约预测   非平衡数据   随机森林   并行计算  

摘要： 如何在发放贷款前有效的评价和识别借款人潜在违约风险,计算借款人的违约概率,是现代金融机构信用风险管理的基础和重要环节,也是数量经济学、金融学等领域中的研究热点问题。 现有的贷款违约数据大部分都是非平衡的,以往的研究并未足够注意这一特征也就重视这一问题的深入研究,本文主要研究如何借助非平衡数据分类的思想对银行等金融机构的历史贷款数据进行分析,预测贷款违约的可能性。对于非平衡数据问题,采用基于数据平衡的方法构造随机森林;针对数据较大的问题,采用具有并行特性的随机森林算法。基于上述研究,本文提出了一种改进的带权重的并行平衡随机森林算法(WPBRF)。WPBRF算法在构造随机森林的每个决策树的同时利用OOB数据估计该决策树的预测性能,并据此赋予每个决策树不同的权重;此外,WPBRF算法利用了随机森林算法的可并行计算的特点,减少了单个决策树的训练时间。 实验结果表明,WPBRF在准确率和平衡准确率等方面超过了SVM、KNN、C4.5等常见分类算法和随机森林算法。此外,利用随机森林的并行性的WPBRF算法大幅降低了算法的学习时间,提高了算法的执行效率。

关键词： 人体运动捕获数据   运动风格   运动合成   独立成分分析   主成分分析  

摘要： 随着以三维电影和游戏为代表的数字媒体娱乐产业的兴起,计算机动画技术的得到了长足的发展,已经成为国内外学者研究的热点。其中,人体运动捕获技术因其相对于其他运动生成技术的巨大优势,在科学研究和商业领域中应用十分广泛,但人体捕获技术也存在捕获成本昂贵、运动捕获数据重用率低等问题。如何对运动捕获数据进行重用,利用已有运动序列获得新的运动,具有非常重要的研究和经济意义。 人体运动合成是指通过对运动数据库中的已有运动进行修改,产生符合要求的新的运动片段。本文工作的意义在于,通过机器学习算法中的成分分析方法对运动数据建立语义化参数模型,利用带有具体语义信息的低维参数控制具有高维特性的人体运动序列,从而合成出逼真、自然的运动片段。主要包括以下3方面内容。 1.基于独立成分分析的运动风格迁移算法。该方法将单个运动序列的每一帧作为样本,对两个具有不同风格的相似运动序列的组合进行独立成分分析,提取出独立成分中变化趋势差异较大的独立成分进行选择,将带有特有风格的独立成分分量在两个运动序列中迁移,合成出新的运动序列。通过实验验证了该算法能够实现运动风格的迁移。 2.基于主成分分析和分块主成分分析的人体运动合成。基于主成分分析的人体运动合成算法对运动数据库中的相似运动片段进行处理,将高维运动数据映射到低维空间中,通过修改低维参数合成新的运动,该算法存在低维参数的不可理解性问题。本文在此基础上,提出了一种基于分块主成分分析的人体运动合成方法。该算法根据人体骨骼模型对运动数据分组,对每个分组分别进行主成分分析,所获得的低维参数具有特定的语义。通过实验证明,用户可以直观地理解低维参数的语义,其算法效率也达到实时水平。 3.基于独立成分分析和分块独立成分分析的人体运动合成。基于独立成分分析的人体运动合成算法过程与基于主成分分析的人体运动合成算法相似,采用独立成分分析对运动数据进行处理,获得的低维语义参数解决了可理解性问题。本文对该算法进行了改进,结合独立成分分析与运动数据分组思想,提出了一种基于分块独立成分分析的人体运动合成算法。通过增加分组内独立成分的个数,提高了局部运动细节控制力度。实验证明,改进后的算法在满足用户要求的同时,降低了用户的交互复杂度。

关键词： 语音反演   声道变量   球状轨迹   非唯一性  

摘要： 由于协同发音的影响，自动语音识别系统的性能会受到影响。已有的研究表明结合发音信息可以提高语音识别系统的性能，但是发音信息在话音环境中并不容易得到，因此语音反演被提了出来。语音反演是一种从语音信号中预测发音轨迹或者声道配置的方法。如果能够准确地预测发音信息，这些发音信息还能有助于语音合成、语言获取以及语音可视化等。 论文首先提出使用声道变量作为发音信息（代替传统的球状轨迹）来模式化语音动态，并比较了声道变量和球状轨迹的预测性能和非唯一性。论文将语音分别参数化为梅尔倒谱系数，感知线性预测倒谱系数和线性预测倒谱系数，并使用混合密度网络来预测声道变量和球状轨迹。实验结果表明声道变量比球状轨迹能被更准确地预测。另外，论文使用基于模型的统计公式计算声道变量和球状轨迹的标准化的非唯一性，结果表明对于相同的六个辅音，声道变量的非唯一性比球状轨迹的非唯一性低。 论文另一个研究内容为使用四种不同的语音反演的机器学习方法，即前馈人工神经网络、自回归人工神经网络、远端监督学习以及轨迹混合密度网络比较声道变量和球状轨迹，结果表明声道变量比球状轨迹有更好的性能，更适合基于发音器官特征的自动语音识别系统。另外论文分别将语音参数化为梅尔倒谱系数和声学参数，并比较了这四种方法对声道变量的预测性能，结果表明从整体来看三层隐层的前馈人工神经网络对声道变量的预测性能最好。

关键词： 缺省   自然语言处理   句法分析树   机器学习   语料   缺省识别  

摘要： 实现一个基于机器学习的中文缺省项识别系统,对语料库进行预处理,选取多个特征及其组合,通过支持向量模型(SVM)构建的缺省识别模型进行中文缺省识别。研究系统在不同句法分析树上的性能。实验结果证明,该识别系统在标准的句法分析树上F值能达到84.01%,在自动句法树上能达到68.22%。

关键词： Classification (of information)  

摘要： This paper presents a method of classification of time series of traffic flow, on the section of the main road leading into the city of Gliwice. Video detectors recorded traffic volume data was used, covering the period of one year in 5-minute intervals - from June 2011 to May 2012. In order to classify the data a statistical analysis was performed, which resulted in the proposition of splitting the daily time series into four classes. The series were smoothed to obtain hourly flow rates. The classification was performed using neural networks with different structures and using a variable number of input data. The purpose of classification is the prediction of traffic flow rates in the afternoon basing on the morning traffic and the assessment of daily traffic volumes for a particular day of the week. The results can be utilized by intelligent urban traffic management systems.

关键词： 迁移学习   分类   客户流失  

摘要： 数据完备性是基于数据驱动的分析方法的一个重要的前提，不完备的数据意味着很可能会丢失重要的判别信息，从而影响分析结果的准确性。针对现实情况下客户数据特征不同以及数据的不完备性对传统的基于数据驱动的分析方法的不利影响，本文将机器学习领域中迁移分类的方法应用于客户流失预测，通过谱特征排列（spectralfeaturealignment，SFA）实现了跨领域属性的近似统一，并利用直推式支持向量机（transductivesupportvectormachines，TSVM）对客户数据进行分类从而识别忠诚客户和流失客户，使得预测模型的性能显著提高。在最后的实验部分，使用两个不同的数据集进行的迁移分类结果证明了本文提出模型的有效性。

关键词： Grid computing   Wait time prediction   Machine learning  

摘要： To have high performance scheduling mechanisms in grid computing, we need accurate methods for estimating parameters like jobs' wait time and run time. In this paper, we consider wait time prediction problem. Different regression techniques are examined on AuverGrid data set to predict wait time. To improve the quality of prediction, some extra features are proposed. Simulation results show that adding these features reduces prediction error between 13% and 60% in different methods. Results also show that K-nearest neighbor outperforms other regression techniques. We have compared the k-nearest neighbor method in both original and enriched data set with Last-M. K-Nearest neighbor in enriched data set outperforms both Last-M and K-nearest neighbor in original data set in accuracy and perfect prediction percentage.

关键词： Data mining  

摘要： High fire occurrence in Riau Province, Indonesia has been going on in the recent years with large areas occurring in the peat soil. In this paper a data mining technique namely classification was applied on forest fire data to develop classification models for hotspots occurrence in Riau Province. The models provide characteristics of areas where active fires occurred. We studied physical data including land cover, road, river, city centers, industrial timber plantation, logging concession, peatland depth and peatland types to classify 2693 target objects. Target objects are true alarm data namely hotspots distribution in 2008 and false alarm data which are randomly generated within the areas at least 1 km away from any true alarm data. We applied three classification algorithms that are available in the data mining toolkit Weka 3.6.2: J48 module as Java implementation of C4.5 algorithm, Simple Cart and Naïve Bayes. The result shows that the classifier generated from the J48 has highest accuracy i.e. 69.59 % compared to two other algorithms. Our results based on the J48 classifier show that hotspots are predicted to take place in areas that (1) are non logging concession areas, (2) are plantation and dry land forest, and (3) have peatland type: Very deep Hemists/Saprists (> 400 cm). Additionally, hotspot occurrence probability is higher in areas located 10 km from roads, 3 km from rivers and within 5 km to 20 km of city centers where the areas are accessible to humans. © 2005 - 2012 JATIT & LLS. All rights reserved.

关键词： Sports  

摘要： Sports prediction is an important part of sports statistics. This paper presents an efficient and robust automatic process for large-scale sports data analysis. With the development of interdisciplinary integration, such as the computing technology and the gray system, etc, there are some flaws in the scopes of its theory exploring, applied research and methods. Using improved rough neural network and danger model immune algorithm, the essay analyzed the Large-scale Sports Data. The significance of this framework is its automatic characteristic in testing with minimum human involvement in training, as well as the scalability and expansibility in dealing with a large-scale dataset. Overall, this framework demonstrates the efficiency and accuracy in processing voluminous data from sports collection and achieves various tasks in video analysis. It also demonstrates a potential technology transformation from the "laboratory bench" to commercial applications.

关键词： 核函数   核机器学习方法   生物信息学   机器学习   支持向量机  

摘要： 核机器学习方法是一种基于统计学习理论和核函数的机器学习方法。本文阐述了核机器学习方法的基本原理,介绍了目前常用的几种核机器学习方法,给出了构造新的核函数的原则,总结了结构数据核函数的研究现状。在此基础上,以生物信息学为背景,着重指出了当前序列数据的核函数在生物信息学中的应用进展。