一种基于Logistic回归和分类树的客户信用评估方法研究

探讨了基于Logistic回归和分类树的客户信用评估。从众多客户信用度影响因子中选择一些探索性变量，建立了相应的关联性测试模型。描述了Logistic回归和分类树的具体算法以及相关概念，如期望信息、信息增益等，然后分别使用Logistic回归模型和分类树对客户信用进行了测试评估。比较分析结果表明，分类树模型具有较低的错误分类率和较好的灵活性，但对计算资源的要求较高，且很大程度上依赖于观测数据。     

航运企业客户信用监测预警研究

提出了基于系统模糊优选和支持向量机的客户信用监测预警模型,该方法首先通过系统模糊优选模型划分样本类别,处理了不确定性信息,标示出样本的信用警级,其次利用标示样本对支持向量机进行训练,建立基于二叉树的多类支持向量预警模型;最后,对航运企业客户信用进行监测预警实验,并与BP神经网络和Logit模型进行对比,实验表明该方法有效、可行.     

基于k-means和SVM的银行个人信用评估应用

现有的个人信用评估模型大多数是解决信用二分类问题,而信用等级划分需要进一步研究.文中以SVM为基础,结合k-means聚类方法,假设具有相似特征的客户拥有相同信用情况,提出了k-means和SVM结合的个人信用评估模型,使之不仅能对个人进行二分类划分,且能将客户划分为不同的信用等级.实验结果表明,与其他模型相比,提出的模型二分类精度较高,并且能得到个人的信用等级,具有较高的实用价值.     

舰艇导航系统信息保障效能评估研究

针对现代舰艇导航系统面向作战的信息保障特点,建立了导航系统对舰艇作战行动的信息保障关系与基于信息保障能力的评估指标体系结构,结合导航信息保障效能评估的特殊要求,提出并探讨了基于信息融合度的KADC修正评估模型及保障效能分解方案,并对评估模型进行了测试分析。测试结果表明所建评估模型符合当前舰艇导航信息保障的一般规律,具有较强的应用价值。     

基于粗糙-支持向量机的航运企业客户信用评估

针对航运企业客户数据样本量少,信息量贫乏、不确定性等特点,提出了一种基于双向互动的粗糙-支持向量机的动态建模方法.利用该方法对具有复杂动态特性和不确定性的航运企业客户信用评估进行建模,并进行了实例研究.结果表明,基于粗糙-支持向量机的动态模型具有较快的收敛速度、较高的建模精度以及较好的泛化能力.     

Logistic回归模型在船舶碰撞受损因素分析的应用

船舶在高速航行时,为了避免发生碰撞,需要重点对周边的环境进行监控,在了解到其他船舶航向的同时,还需要主动评估碰撞所产生的危险因素。因此,对船舶运动的预测显得至关重要,本文通过优化算法及Logistic回归模型,对船舶在发生碰撞时的受损因素,进行模块化分析,并基于该模型设计了评估算法,将影响船舶的各项因素进行分解,通过回归验证,进一步提升该模型的准确度,降低了船舶发生碰撞的概率;同时,也有利于提高航运管理水平,在仿真验证中,采用数据分析为主的方法。实验数据表明,该模型能够准确预测船舶发生的潜在危险因素。     

客户信用管理实践

加强客户信用管理,全面建立和完善企业内部客户信用管理机制,是当前企业面临的十分紧迫的课题。笔者为解决A勘察院如何有效地提高应收账款的质量、减少逾期应收账款和坏账损失,对该院的信用管理现状进行了研究,并介绍了构建客户信用管理机制的过程。     

信息融合系统性能测评指标和方法研究

针对某信息融合系统给出了评估方案,并基于概率统计提出了一个由9个指标及其测试模型构成的性能评估指标体系,开发了测试软件。用户使用结果表明,本文提出的评估指标和测试方法能够对该类融合系统做出比较全面准确的评估,满足了用户进一步改进融合系统设计的需要。     

基于QoS保障技术的舰船信息安全保护方案

在以往进行舰船信息保护的过程中,忽视了对网络节点的控制,进而造成信息安全保护后信息丢包率过高的问题。构建闭合式结构的安全风险评估模型展开信息安全评估,获取危险信息节点位置。采用QoS保障技术中Beta模型计算节点信任值,实现对节点的控制。将节点控制结果与信息评估结果相结合,优化舰船网络信息防护体系结构。构建方案测试环节,测试在信息攻击与平稳运行2种状态下,此方案与原有2种方案使用后舰船信息丢包率。通过对比可知,此方案丢包率低于原有2种方案。由此可知,此方案更加适用于船舶航运企业。     

航运代理业风险控制

为控制和规避航运代理业风险，从航运代理业的特点出发，分析该行业存在的一些主要风险，并以最常用的应收账款风险为例，提出建立客户信用档案管理体系的必要性，并从甄别客户、规范合同、建立档案、评估信用等4方面阐述实施方案，结合实践针对航运代理业中常见的应收账款风险管理和规避的具体办法进行分析。     

数据挖掘技术在物流客户关系管理中的应用

通过数据挖掘技术的引入,提出了一种新的物流客户关系管理方法。在对数据挖掘方法作了全面论述的基础上,着重分析了关联分析方法和决策树分析方法,并结合两个实例讨论了方法的应用。     

基于神经网络的声纳特征级信息融合中目标分类研究

声纳目标特征级融合的主要任务是实现信息压缩、目标身份确定(分类) ,以利于实时处理、决策分析。基于数学模型的各种算法,由于情况复杂,往往很难建立。而人工神经网络通过样本的学习,具有存储记忆、在相似输入下能恢复记忆等特性,从而避免了烦琐而复杂的建模。在神经网络声纳目标识别前的噪声预处理方法中,选用了功率谱特征提取、双谱特征提取算法;在研究了提取的特征后,选取反向传播神经网络(BP)模型;在此基础上构造了BP神经网络,并对网络进行训练与测试,给出识别实验结果。仿真模拟分析证明,基于神经网络的声纳特征级信息的融合,对目标分类有一定效果,为进一步实现声纳信息融合奠定了基础     

长沙市轨道交通车辆制式的选择

基于城市轨道交通模式中车辆制式选择的必要性,介绍了直线电机车辆与轻轨车辆的原理及特点,同时分析了两种模式下车辆的关键技术,并在此基础上阐述了其运用条件。在进行技术经济比较后,提出了长沙市轨道交通运用车辆应优先考虑采用轮轨车辆。     

贵州省纳雍县滑坡易发性评价

以贵州省纳雍县为研究区,基于地理信息系统（GIS）平台,采用Logistic回归模型评价区域滑坡易发性。选取高程、坡度、坡向、地表曲率、岩性、到公路距离、到水系距离和到断层距离8项影响因子,应用Logistic回归模型拟合描述滑坡发生与各项因子关系的回归方程。在此基础上,预测研究区内滑坡易发性的概率值,并将研究区划分为5个易发级别。结合历史滑坡分布,对滑坡易发性分区的合理性进行验证,结果表明滑坡易发性分区图和实际滑坡分布情况吻合较好。此外,应用受试者工作特征曲线对模型结果进行评价,结果显示,曲线下面积AUC值为0.774,Logistic回归模型的预测精度较好。     

海上编队信息类型与流转模式分析

充分认识分析海上编队信息类型和流转模式,有助于取得信息优势.本文从不同层次范围出发,提出一种编队信息分类方式,在此基础上分析全局范围和编队范围的信息流转模式,最后依据分析结果提出了相关建议.     

舰船顶层设计中的耐波性预报模型研究

通过改变母船的船长和剖面参数来改变船型,得到系列样本船型,应用基于切片法理论的舰船耐波性计算程序对母船及样本船型进行计算,将所得计算结果进行多元回归分析,得到船舶耐波性预报数学模型.分别用耐波性计算程序和回归模型对例船进行计算,结果证明该预报模型具有较高的精度.     

浙江省海洋经济战略下港口物流服务创新研究

为了更好地发挥港口在推动海洋经济建设中的龙头作用,基于现代港口竞争实质,对港口物流服务创新的内涵作了界定.针对浙江省海洋经济发展现状,分析港口物流服务创新的内外驱动力及在发展海洋经济中的重要性,提出了港口物流服务创新五大策略:港口物流柔性化服务策略、港口物流定制化服务策略、港口物流可视化服务策略、港口物流联运化服务策略以及港口物流网络化服务策略.港口物流五大策略的实施,将提升港口整体服务水平,促进海洋经济可持续发展.     

基于模糊SOFM网分类的船舶电力负荷估算模型

提出了一种新的船舶电力负荷分类随机估算模型。将负荷的功率和工作概率作为分类的两项指标，利用模糊自组织特征映射（SOFM）网络对负荷进行分类，并基于分类给出了电力负荷的随机估算模型。由于分类保证了同一类中的负荷，其功率和工作概率均较接近，从而减小了因分类而导致的模型误差。给出了一个实例，其结果表明：模型精度高，计算简单，易于实现。     

基于组合模型的天津港吞吐量预测

根据天津港货物吞吐量的历史数据,分别建立有关该港吞吐量的回归预测模型、Logistic生长曲线模型以及组合模型。通过比较3种模型的平均相对误差,可以证明组合模型的平均相对误差最小。运用组合模型预测港口吞吐量可以降低误差,提高预测精度。     

舰船批量建造费用的组合预测应用研究

研究了舰船批量建造费用的组合预测问题.首先依据舰船批量建造费用的变化特点,采用生长曲线法、数据平滑法、灰色分析法对费用进行预测,然后运用支持向量机的回归算法对3种预测方法的预测值进行有机组合,建立了舰船批量建造费用的组合预测模型,最后利用样本数据分析了一个参数变化对预测性能的影响,给出了支持向量机参数选择的依据.仿真结果表明,该模型能明显提高系统预测的精度和稳定性,可用于舰船批量建造费用的预测和估算,具有较大的实用价值.