一种新的保险投资组合优化模型

抓住了风险的不确定性的本质,利用熵能够度量保险投资组合中的风险和推测风险的概率分布的两大功能,以已有的风险模型为基础,在分析用方差度量风险的不足的基础上,提出用熵作为风险的度量,建立了一种新的均值-方差-熵保险投资组合优化模型.该模型的制定更加合理.     

基于拉普拉斯矩阵的DNA序列集相似性分析

研究两个序列集合之间相似性度量,提出基于拉普拉斯矩阵特征值的分离度概念和公式表示．基于人工序列和真实DNA序列上的实验结果,证实了分离度能够度量序列间的相似程度．     

商业银行信用风险度量方法综述

我国是处在转型过程中的发展中国家,外部经济环境的复杂性决定了信用风险是我国商业银行面临的主要风险。本文对西方商业银行的信用风险度量方法做了一个系统的概括和比较,希望对我国商业银行风险的防范和化解有借鉴意义。     

基于AFC数据和RF模型的城轨车站服务功能分类

城轨线网上服务不同类型客流车站的分布能反映城市结构特征,本文基于多年的城轨AFC数据,应用随机森林模型(RF),分析了全网车站服务客流类型的时空演变.对于传统RF在选择训练集时过于依靠主观经验的问题,本文首先利用传统随机森林度量车站之间的相似性,再采用Partitioning Around Medoid(PAM)方法对度量结果进行聚类,结果表明无监督随机森林方法拥有更好的准确性;最后采用无监督随机森林对北京市2014-2017年的车站服务客流属性的时空变化情况进行分析,结果显示,北京市近4年来城市职住结构在大的空间尺度上基本保持不变,但城市内部各功能区正经历缓慢变化,而服务于居住与工作混合类客流的车站所处区域将是今后城市结构演变中热点区域.本文的研究结果可以为城市轨道交通与城市结构互动关系的认识提供新视角.     

大型项目融资风险度量

投资项目呈现越来越强的不确定性和多样性,投资决策面临着对这些不确定性带来的风险的度量和防范.基于源于热力学的熵度量系统不确定性的研究思想,再结合概率分析,同时综合考虑利润与风险之间的联系,多角度、多方位对风险进行度量,形成了一个完整的风险评价过程,把它应用到项目投资决策中去,可以优选出合适的项目融资方案.     

基于Vague集的互通式立交方案综合评价方法

互通式立交方案评价是立交设计工作中的重要环节,而方案比较指标体系的建立和指标综合评价又是设计中的关键。根据模糊集的推广形式—Vague集,提出基于Vague集的互通式立交方案综合评价方法。通过计算Vague集之间相似度量,得出最优方案与各备选方案之间的接近程度,从而寻求对立交方案评价的量化,并结合实例进行验证。     

海军舰船设计方案的评估方法研究

分析了海军舰船设计方案的特点,基于对方案评估的基本认识和舰船设计方案评估的指标体系,深入探讨了指标综合的方法,研究了底层指标的度量问题,提出了部分底层指标“简化的综合度量法”,可用于舰船设计方案的评估、权衡、优化等,对其应用条件和应用形式进行了初步分析。     

结合区域分割和Wishart分类器的机场跑道区域快速检测方法

提出了一种结合区域分割和Wishart分类器的极化合成孔径雷达图像机场跑道区域快速检测方法; 利用简单线性迭代聚类算法分割极化合成孔径雷达图像, 并将分割得到的超像素作为后续分类处理的基本单元; 采用一种优化后的距离度量方式给超像素分配类别标签, 解决了传统Wishart距离度量因子冗余运算量大的问题; 分析了机场跑道区域像素的极化散射特性, 利用机场跑道区域的弱散射特性从分类结果中提取感兴趣区域; 利用机场跑道的结构特征筛选辨识感兴趣区域, 进而确定机场跑道区域的准确位置; 利用极化合成孔径雷达实测数据测试了算法的有效性, 并与传统基于像素的检测结果进行对比。试验结果表明: 该算法在复杂大场景下能够快速有效检测出机场跑道区域, 检测出的跑道轮廓清晰, 结构比较完整; 采用简单线性迭代聚类算法预处理图像极大地降低了后续处理的复杂性; 针对墨西哥湾试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.4%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的9.9%和27.1%;针对大岛试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.6%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的14.0%和31.8%。可见, 所提检测方法的实时性能优于基于像素的检测方法。     

基于车辆行驶轨迹的道路不良驾驶行为谱构建与特征值计算方法

为了量化描述不同道路驾驶场景下驾驶行为的动态变化过程与不良驾驶程度, 研究了不良驾驶行为谱的构建与分析方法; 基于车辆行驶轨迹关键参数建立驾驶行为谱; 应用风险度量方法量化4种不良驾驶行为, 包括不良跟驰、蛇形驾驶、速度不稳与不良换道; 基于驾驶行为谱建立了不良驾驶行为谱; 基于交通流量-密度关系与驾驶行为统计参数的差异对交通流状态进行划分; 在不同交通流状态下, 使用四分位差法确定了不良驾驶行为特征参数阈值; 基于特征参数阈值计算每个驾驶人的不良驾驶行为得分; 使用CRITIC赋权法确定了不良驾驶行为的权重, 为每个驾驶人计算不良驾驶行为谱特征值; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良驾驶行为特征; 通过专家打分的方法对不良驾驶行为谱特征值进行验证。分析结果表明: 基于驾驶行为参数的交通流状态聚类方法将数据中的交通流状态分为自由流、饱和流、拥堵流3类; 聚类方法比基于基本图的交通流状态划分方法更适合驾驶行为分析; 不同交通流状态下的不良跟驰、蛇形驾驶、速度不稳特征参数分布明显不同, 拥堵流状态下的不良跟驰、蛇形驾驶、速度不稳极端值出现更频繁, 而不良换道特征参数在各交通流状态下有相似的分布; 蛇形驾驶、速度不稳、不良换道的特征参数阈值随交通流密度上升而上升; 使用CRITIC赋权法计算的不良跟驰、蛇形驾驶、速度不稳、不良换道的权重分别为0.19、0.33、0.37、0.11;自由流、饱和流、拥堵流的不良驾驶行为谱特征值的分布范围相近, 均处于0与0.4之间; 专家的不良驾驶行为评价与不良驾驶行为谱特征值一致。可见, 不良驾驶行为谱的构建与特征值计算方法能够使用车辆行驶轨迹数据自动辨识不良驾驶人, 具有客观性、适应性以及可靠性, 能及时发现不良驾驶人, 给驾驶人提供安全提示, 为交通管理部门提供交通安全预警的技术支持。     

基于车辆行驶轨迹的道路不良驾驶行为实时辨识方法

为了提高道路交通安全主动防控能力, 以小汽车行驶轨迹数据为研究对象, 研究了不良驾驶行为的实时辨识问题; 基于无人机拍摄交通流视频提取海量车辆行驶轨迹数据; 提出了应用风险度量方法量化典型不良驾驶行为的理论; 使用大样本统计分布方法确定不良驾驶行为的特征参数阈值; 建立了结合交通环境信息的不良驾驶行为谱, 计算了不良驾驶行为谱特征值; 以车辆不良驾驶行为谱特征值为依据标定不良车辆样本; 以部分驾驶行为谱参数为输入, 使用不平衡类提升的人工智能算法建立了不良驾驶行为辨识模型; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良跟驰行为特征。分析结果表明: 使用四分位差法得到不良跟驰特征参数的阈值为0.19 s^-1, 大部分样本处于正常跟驰状态, 约2%样本处于不良跟驰状态; 基于每辆车行驶轨迹中正常跟驰状态和不良跟驰状态的比例, 使用95%分位数将8 917 veh小汽车样本划分为不良跟驰车辆445 veh与正常跟驰车辆8 472 veh; 不平衡类提升算法CUSBoost辨识不良跟驰车辆达到了94.4%的召回率和85.9%的精确率, 平衡分数和精确率-召回率曲线下的面积为所有算法中最高。可见, 不良驾驶行为谱作为一种客观的不良驾驶行为量化表达方法, 与人工智能方法结合可以生成海量的不良驾驶行为谱库; 不平衡类提升算法可以解决不良驾驶行为数据的不平衡问题, 与常规算法相比具有更好的不良驾驶行为辨识能力。