期刊文献+
共找到10篇文章
< 1 >
每页显示 20 50 100
基于SMOTE-XGBoost的外贸企业财务危机预警模型 被引量:2
1
作者 吴增源 金灵敏 +2 位作者 韩香丽 王泽林 伍蓓 《计算机工程与应用》 CSCD 北大核心 2024年第11期281-289,共9页
外需萎缩和保护主义加剧大大提高了外贸企业的经营风险,外贸企业陷入财务危机的风险加大。针对外贸企业财务危机预警准确率不高的难题,优化预警指标体系,并提出基于SMOTE-XGBoost的组合模型。建立融合财务指标和宏观外贸指标的财务危机... 外需萎缩和保护主义加剧大大提高了外贸企业的经营风险,外贸企业陷入财务危机的风险加大。针对外贸企业财务危机预警准确率不高的难题,优化预警指标体系,并提出基于SMOTE-XGBoost的组合模型。建立融合财务指标和宏观外贸指标的财务危机预警指标体系;构建合成少数类过采样技术(SMOTE)和极限梯度提升算法(XGBoost)的组合模型,对我国外贸企业数据进行分析。研究发现SMOTE-XGBoost组合模型能够有效提高预测准确率,ACC、recall、F1-score、AUC值均优于其他模型,且具有良好的稳定性。该模型能够帮助外贸企业提前发现可能的财务风险,避免陷入财务危机。 展开更多
关键词 财务危机预警 外贸企业 不平衡数据 XGBoost
下载PDF
Boehmeria nivea var. strigosa (Urticaceae), a new variety from Southwest China 被引量:1
2
作者 ZHAO Ying Richard I.MILNE +2 位作者 LI Zhipeng Amos KIPKOECH wu zengyuan 《广西植物》 CAS CSCD 北大核心 2024年第9期1617-1624,I0001-I0006,共14页
Boehmeria nivea var.strigosa Zeng Y.Wu&Y.Zhao,a new variety of B.nivea(Urticaceae)from Southwest China,is here described based on evidence from morphology and molecular phylogeny.This new variety is mainly charact... Boehmeria nivea var.strigosa Zeng Y.Wu&Y.Zhao,a new variety of B.nivea(Urticaceae)from Southwest China,is here described based on evidence from morphology and molecular phylogeny.This new variety is mainly characterized by its green abaxial leaf blade,partly connate stipules,and densely patent strigose hairs on stems and potioles.The phylogenetic analysis based on rbc L,nrDNA and rbc L+nrDNA datasets,revealed that all individuals of B.nivea var.strigosa formed a monophyletic group.The conservation status of B.nivea var.strigosa is assessed as“Near Threatened”(NT)according to IUCN evaluation criteria.The discovery of this new variety is not only crucial for the taxonomy of ramie,but also provides reference for the exploration and utilization of ramie. 展开更多
关键词 Boehmeria nivea MORPHOLOGY molecular phylogeny new variety Southwest China YUNNAN
下载PDF
基于SMOTE-GA-AdaBoost模型的新兴技术识别研究
3
作者 韩香丽 吴增源 +1 位作者 陈亮 何斌 《中国计量大学学报》 2024年第1期96-105,共10页
目的:针对新兴技术识别中存在的数据不平衡及预测准确率低的问题,优化指标体系,提出结合数据和算法的组合模型。方法:首先,改进传统新兴技术识别指标体系,加入技术前沿性;其次,采用SMOTE过采样技术改善数据类间不平衡,利用遗传算法调参... 目的:针对新兴技术识别中存在的数据不平衡及预测准确率低的问题,优化指标体系,提出结合数据和算法的组合模型。方法:首先,改进传统新兴技术识别指标体系,加入技术前沿性;其次,采用SMOTE过采样技术改善数据类间不平衡,利用遗传算法调参提高AdaBoost算法的分类准确率和收敛速度,组成SMOTE-GA-AdaBoost模型;最后,根据智慧芽平台上的智能网联车专利数据进行实证验证。结果:该模型准确率均值为94.69%,召回率均值为89.75%,F 1均值为94.42%,分类性能优于其他模型,且稳定性好。结论:本研究提出的新兴技术识别方法能够有效处理数据不平衡问题,并提高了识别准确率。 展开更多
关键词 新兴技术 机器学习 不平衡数据 组合模型
下载PDF
基于专利数据情报学分析的国际垂直电梯技术领域竞争趋势与我国发展对策研究
4
作者 何斌 韩香丽 +1 位作者 吴增源 陈亮 《中国发明与专利》 2024年第2期22-28,共7页
近年来电梯行业蓬勃发展,垂直电梯专利申请量逐年增长。本文以智慧芽专利数据库中收录的全球158个国家/地区的垂直电梯相关专利作为研究对象,从专利申请趋势、专利申请国、专利权人、重点技术分布、热点技术发展趋势分析国际垂直电梯领... 近年来电梯行业蓬勃发展,垂直电梯专利申请量逐年增长。本文以智慧芽专利数据库中收录的全球158个国家/地区的垂直电梯相关专利作为研究对象,从专利申请趋势、专利申请国、专利权人、重点技术分布、热点技术发展趋势分析国际垂直电梯领域的发展现状和主要竞争趋势,为我国垂直电梯行业提供相关发展建议。 展开更多
关键词 垂直电梯 专利分析 发展态势 专利布局
下载PDF
产业数字化政策的实施效果分析——来自65个国家17个制造行业的证据 被引量:1
5
作者 吴增源 翟士尧 +1 位作者 许光建 伍蓓 《管理现代化》 北大核心 2023年第6期12-18,共7页
基于经济合作与发展组织(OECD)数据库国家投入产出数据测算出全球65个国家17个制造行业产业数字化水平,并围绕各国施行的制造产业数字化政策开展事件分析,运用多期双重差分(DID)的方法定量分析了产业数字化政策对制造业产业数字化的影... 基于经济合作与发展组织(OECD)数据库国家投入产出数据测算出全球65个国家17个制造行业产业数字化水平,并围绕各国施行的制造产业数字化政策开展事件分析,运用多期双重差分(DID)的方法定量分析了产业数字化政策对制造业产业数字化的影响及其作用机制。研究表明,各国针对制造业实施的产业数字化政策能够显著促进制造产业数字化水平。政策实施存在明显异质性影响:技术密集型行业的政策效应更明显,发达国家受到的促进作用也更显著。机制检验进一步发现,产业数字化政策的实施主要通过吸引外商投资、促进R&D投入和提升人力资本水平的渠道产生影响。本文的研究结论对政府部门制定产业数字化政策提供了经验证据和决策参考。 展开更多
关键词 制造业 产业数字化 事件分析法 政策评估 多期DID 机制检验
下载PDF
基于SMOTE-LOF-Adaboost模型的核心专利识别研究 被引量:1
6
作者 李颖 吴增源 陈亮 《科技管理研究》 CSSCI 北大核心 2023年第21期171-177,共7页
针对核心专利识别准确率低的问题,重构指标体系;针对传统核心专利识别方法处理不平衡数据效果欠佳,提出重采样技术与集成算法的组合模型。首先,在传统指标构建基础上加入专利发明人相关指标;其次,使用合成少数类过采样算法(SMOTE)增加... 针对核心专利识别准确率低的问题,重构指标体系;针对传统核心专利识别方法处理不平衡数据效果欠佳,提出重采样技术与集成算法的组合模型。首先,在传统指标构建基础上加入专利发明人相关指标;其次,使用合成少数类过采样算法(SMOTE)增加少数类样本解决数据不平衡问题,采用局部离群因子(LOF)算法对新生成样本进行降噪处理,并与自适应集成算法(Adaboost)组合成SMOTE-LOF-Adaboost模型;最后,以智慧芽专利数据库中2012—2016年共22077条光伏领域专利数据为例,使用SVM、Adaboost、SMOTE-Adaboost、SMOTE-LOFAdaboost进行实证分析。结果显示SMOTE-LOF-Adaboost模型AUC均值0.977 6,Recall均值0.986 0,均优于其他3种模型,表明该模型能够提高核心专利预测的准确性。 展开更多
关键词 组合模型 核心专利识别 机器学习
下载PDF
波轮洗衣机洗涤阶段振动信号特征提取 被引量:1
7
作者 陶金 高翠云 +2 位作者 吴增元 常玉 陈思伟 《电子测量与仪器学报》 CSCD 北大核心 2018年第12期149-156,共8页
为了实现GB/T 4288—2018国标中将振动传感器贴在洗衣机箱体进行振动特性测试要求,对3D模拟加速度传感器拾取的洗衣机振动信号进行差分和放大从而提高信噪比,采用能量法对洗涤段振动信号进行自动分段及周期时域特征提取,分别用宽窗谱分... 为了实现GB/T 4288—2018国标中将振动传感器贴在洗衣机箱体进行振动特性测试要求,对3D模拟加速度传感器拾取的洗衣机振动信号进行差分和放大从而提高信噪比,采用能量法对洗涤段振动信号进行自动分段及周期时域特征提取,分别用宽窗谱分析和窄窗谱分析进行频域特征提取,还采用谱减法消除了工频干扰。以某型波轮洗衣机为检测对象,实验测得洗涤阶段小段振动周期均值为2.7 s左右,离差较小;宽窗谱分析发现主要谱成分位于20~40、110~120、160~170和180 Hz频率段;窄窗谱分析获得的主要谱成分也在上述段内。实验结果表明方法效果显著。 展开更多
关键词 特征提取 能量法 宽窗谱分析 窄窗谱分析 谱减法
原文传递
基于ADASYN-LOF-RF模型的核心专利识别研究 被引量:4
8
作者 李颖 吴增源 陈亮 《中国计量大学学报》 2022年第4期609-616,共8页
目的:针对传统核心专利识别方法处理不平衡数据效果欠佳,和识别准确率低的问题,特重构指标体系,提出重采样与集成算法的组合模型。方法:首先,在传统专利指标的基础上,增加专利发明人指标;其次,采用自适应采样算法ADASYN增加少数类样本... 目的:针对传统核心专利识别方法处理不平衡数据效果欠佳,和识别准确率低的问题,特重构指标体系,提出重采样与集成算法的组合模型。方法:首先,在传统专利指标的基础上,增加专利发明人指标;其次,采用自适应采样算法ADASYN增加少数类样本以解决不平衡问题,使用局部离群因子LOF对采样后的样本进行降噪,并与随机森林RF组合,形成ADASYN-LOF-RF模型;最后,对智慧芽平台中2012—2016年22077条光伏专利进行分类预测。结果:ADASYN-LOF-RF的准确率A均值为92.28%、召回率R均值为98.04%,优于SVM、RF、ADASYN-RF模型。结论:本组合模型具有很好的分类性能,能够有效识别出核心专利。 展开更多
关键词 核心专利识别 机器学习 组合模型
下载PDF
基于SMOTE-AdaBoost-DT的类别不平衡信用评分模型 被引量:2
9
作者 赵佳丽 徐明江 +1 位作者 吴增源 郑素丽 《中国计量大学学报》 2021年第4期549-554,共6页
目的:针对信用评分样本类别不平衡问题,提出一种新的分类方法——合成少数类过采样技术-自适应增强-决策树(SMOTE-AdaBoost-DT)模型。方法:首先,利用SMOTE生成少数类样本,降低数据的不平衡性;其次,利用以DT为基分类器的AdaBoost算法对... 目的:针对信用评分样本类别不平衡问题,提出一种新的分类方法——合成少数类过采样技术-自适应增强-决策树(SMOTE-AdaBoost-DT)模型。方法:首先,利用SMOTE生成少数类样本,降低数据的不平衡性;其次,利用以DT为基分类器的AdaBoost算法对数据进行分类预测;最后,选取Kaggle平台上的信贷数据集进行实证检验。结果:以AUC和G-mean作为分类评价指标,SMOTE-AdaBoost-DT模型的AUC均值为89.19%,G-mean均值为89.09%,优于决策树、随机森林、AdaBoost和神经网络等算法,且指标的标准差最小。结论:本文提出的模型不仅能提高客户信用评分的准确度,而且可以提高模型的稳定性。 展开更多
关键词 信用评分 SMOTE技术 集成学习 不平衡分类
下载PDF
基于不平衡大数据的CS-AdaBoost-DT模型在家电产品质检中的应用 被引量:9
10
作者 吴增源 周彩虹 +1 位作者 刘畅 郑素丽 《工业工程与管理》 CSSCI 北大核心 2020年第5期42-49,共8页
质量检测作为质量管理的基础工作,是防止不良品流入市场的关键。针对工业大数据中不合格品(正类)密度极低,但现有算法多以全局最优为目标,难以检测出不合格品的问题,提出CS-AdaBoost-DT智能质检模型。使用AdaBoost自适应集成算法级联多... 质量检测作为质量管理的基础工作,是防止不良品流入市场的关键。针对工业大数据中不合格品(正类)密度极低,但现有算法多以全局最优为目标,难以检测出不合格品的问题,提出CS-AdaBoost-DT智能质检模型。使用AdaBoost自适应集成算法级联多棵决策树,以解决单个分类器易于陷入局部最优的问题;同时,引入代价敏感因子对分类结果、产品种类不同的样本权重进行差异化赋值,进而降低不平衡数据对模型分类结果偏移的影响,以期减少企业质检的损失。以Bosch公司家电生产线的大数据为例,使用决策树、SVM、AdaBoost-DT、CS-AdaBoost-DT模型进行实证分析,并进行十折交叉验证以分析模型性能。结果显示:CS-AdaBoost-DT漏检率均值为9.88%,AUC均值为95.21%,G-mean均值为83.9%,都优于其他三种模型,且各指标的标准差更小,表明CS-AdaBoost-DT模型不仅提高了产品质量检测的准确性,且具有更高的稳定性。 展开更多
关键词 家用电器 质量检测 不平衡大数据 代价敏感 ADABOOST算法
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部