版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、案例推理(Case-Based Reasoning,CBR)是商業(yè)預(yù)測領(lǐng)域的預(yù)測方法之一,它在保持較好預(yù)測性能的同時可對預(yù)測結(jié)果做出解釋。企業(yè)經(jīng)營中,失敗企業(yè)比例小,正常企業(yè)比例大,但一個企業(yè)的失敗所造成的損失不可小覷,故構(gòu)造一個對少數(shù)類有較高預(yù)測準確率的方法是非常有意義的。對于由少數(shù)類和多數(shù)類組成的商業(yè)預(yù)警問題,構(gòu)建的方法往往是基于平衡數(shù)據(jù)集的假設(shè),因此在解決非平衡數(shù)據(jù)集問題時對少數(shù)類的預(yù)警不理想。對此問題,本文集成聚類算法到案例推理
2、中,設(shè)計了聚類案例推理方法CCBR(Clustering CBR)。CCBR方法首先將案例庫中案例通過層次聚類算法形成若干個案例類,并計算得到每個案例類的聚類中心;在案例檢索時,將目標案例與這些聚類中心進行最近鄰案例類檢索,找到最相似的案例類后,再在該類內(nèi)檢索出若干個近鄰作為匹配案例對目標案例進行預(yù)測?;谒膫€非平衡數(shù)據(jù)集,本文將CCBR方法與傳統(tǒng)案例推理方法CBR、SVM方法、LOGIT方法和MDA方法做了對比。實驗結(jié)果表明,CCBR
3、方法可顯著提高CBR預(yù)測非平衡數(shù)據(jù)集中少數(shù)類案例的召回率。
鑒于非平衡數(shù)據(jù)集中的少數(shù)類的重要地位,正確識別少數(shù)類反映了所構(gòu)建方法的預(yù)警性能及其應(yīng)用價值。傳統(tǒng)消除數(shù)據(jù)集非平衡性的方法有過學(xué)習(xí)或信息丟失等缺陷,同時失去了對現(xiàn)實數(shù)據(jù)分布的真正模擬。相比較而言,通過算法的改進來處理非平衡數(shù)據(jù)集具有更好的問題針對性,CCBR正是通過算法的改進來直接處理非平衡數(shù)據(jù)集的方法。通過實驗結(jié)果的對比分析可看出CCBR的優(yōu)勢:對于非平衡數(shù)據(jù)集,
4、CCBR可一直保持相對較高的召回率,即對案例數(shù)目較少的類有較高的檢對率。本研究中t-1和t-2數(shù)據(jù)集是企業(yè)失敗前一年數(shù)據(jù)和前兩年非平衡數(shù)據(jù)集,通過應(yīng)用CCBR方法,這兩個數(shù)據(jù)集可以及時地在前一年或前兩年對企業(yè)危機做出預(yù)警,積極地防患于未然。
在文章結(jié)構(gòu)安排上,本文首先指出了選題背景和研究意義,對有關(guān)非平衡數(shù)據(jù)集的分類預(yù)警、案例推理的性能研究、聚類算法在案例推理中的應(yīng)用和企業(yè)失敗預(yù)警方法的研究狀況作了回顧,并結(jié)合本文的研究實
5、際,說明了文中用到的研究領(lǐng)域和方向。其次,對案例集中指標屬性的選取和屬性規(guī)范化方法做了研究。然后對聚類案例推理的基本原理做以介紹,說明聚類案例推理算法中案例類的生成、聚類數(shù)目的確定、案例類和案例的檢索以及預(yù)警。最后,對初始案例庫做以簡單介紹,進一步說明了實驗中所使用的屬性規(guī)范化方法及性能評估指標,并給出了CCBR方法與CBR、SVM、LOGIT和MDA方法的性能對比試驗結(jié)果和分析說明。通過20個目標案例,初步考察了CCBR方法的實用價值
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于案例推理的上市公司失敗預(yù)警系統(tǒng)研究.pdf
- 基于案例推理和平衡計分法的財務(wù)預(yù)警系統(tǒng)構(gòu)建研究.pdf
- 基于案例推理的反吸收預(yù)警研究
- 基于案例推理的生產(chǎn)安全預(yù)警研究.pdf
- 基于非平衡視角的企業(yè)財務(wù)困境智能預(yù)警研究.pdf
- 基于同行業(yè)非平衡數(shù)據(jù)流的動態(tài)企業(yè)財務(wù)困境預(yù)警研究.pdf
- 平衡記分卡國內(nèi)失敗案例
- 基于案例推理的金融風(fēng)險預(yù)警系統(tǒng)研究.pdf
- 基于案例推理的煤礦瓦斯預(yù)警支持系統(tǒng)研究.pdf
- 基于案例推理的證券公司操作風(fēng)險預(yù)警的研究.pdf
- 網(wǎng)絡(luò)輿情危機預(yù)警的案例推理方法研究.pdf
- 基于聚類融合投票和SVM的非平衡數(shù)據(jù)分類方法研究.pdf
- 基于數(shù)據(jù)挖掘和案例推理的知識管理系統(tǒng).pdf
- 數(shù)據(jù)挖掘技術(shù)在財務(wù)失敗預(yù)警中的應(yīng)用.pdf
- 基于MapReduce的非平衡大數(shù)據(jù)集分類.pdf
- 初始類中心選擇及在非平衡數(shù)據(jù)中的聚類研究.pdf
- 基于案例推理的數(shù)據(jù)挖掘算法搜索策略的研究.pdf
- 企業(yè)老板管理失敗的案例分析
- 真功夫企業(yè)失敗案例分析
- 基于非平衡數(shù)據(jù)的生物文獻分類研究.pdf
評論
0/150
提交評論