检索结果-内蒙古大学图书馆

作者：方燕深圳大学

学位级别：硕士

股票市场的市场风险管理至关重要,它关系到个人投资者的资金安全、机构投资者的投资收益、监管者的监管制度乃至整个金融市场和整个社会的稳定发展,而其有效管理依赖于对股票市场风险的准确度量。当前对于股票市场风险的测度模型主要包... 详细信息

股票市场的市场风险管理至关重要,它关系到个人投资者的资金安全、机构投资者的投资收益、监管者的监管制度乃至整个金融市场和整个社会的稳定发展,而其有效管理依赖于对股票市场风险的准确度量。当前对于股票市场风险的测度模型主要包括在险价值（Value-at-Risk,简称VaR）模型和条件在险价值（Conditional Value-at-Risk,简称CVa R）模型,VaR概念简单,能够用一个简单的数字衡量资产的风险,但其不具有一致性且不能完全覆盖尾部风险,CVaR则通过将超过Va R的资产风险考虑进来从而实现对尾部损失的覆盖。当前VaR和CVaR测度模型都被广泛应用在股票市场风险的度量上,其计算方法涉及参数法、非参数法和半参数法,非参数贝叶斯方法是其中较为前沿的计算方法。在非参数贝叶斯方法中,较为流行的非参数先验分布包括dirichlet过程（dirichlet Process,简称DP）、层次dirichlet过程（Hierarchical dirichlet Process,简称HDP）等,dirichlet过程已经被应用到股票市场风险度量中并被证明应用效果较好,本文更进一步,把层次dirichlet过程应用到股票市场风险度量中,将其作为股票收益分布的先验分布,实现相似股票个体之间数据的共享,并根据数据自适应地拟合收益分布。本文首先将层次dirichlet过程模型分别应用到复杂分布和厚尾分布的仿真模拟数据中,模型估计结果和实际结果高度相似,验证了层次dirichlet过程模型在拟合复杂分布和厚尾分布时的有效性。其次,本文将层次dirichlet过程模型应用在中国深圳证券交易所和美国纽约证券交易所各三只股票的市场风险度量中,首先通过该模型估计股票的日对数收益率分布,随后基于该拟合分布采用蒙特卡罗模拟方法计算VaR和CVaR,并将此结果与分布、广义误差分布（Generalized Error Distribution,简称GED）、广义帕累托分布（Generalized Pareto Distribution,简称GPD）和广义自回归条件异方差模型（Generalized Auto Regressive Conditional Heteroskedasticity model,简称GARCH模型）四个模型的Va R和CVaR估计结果进行对比。最后,根据实证研究结果,本文得出如下结论:虽然中国和美国的股票市场存在较大的差异,但是层次dirichlet过程模型能够有效捕捉到收益分布的厚尾现象,基于层次dirichlet过程模型得到的市场风险度量结果比分布、GED分布、GPD分布和GARCH模型都更具稳健性。而在两个测度模型中,CVaR的估计结果比Va R更为稳健,对于风险的覆盖更为全面。为此,本文针对股票市场风险的管理提出以下建议:可以将层次dirichlet过程模型应用到股票市场风险度量中,这将有利于提高估计结果的准确性和稳健性从而更好地管理股票市场风险;而在测度模型的选择中,则可以根据管理目标有所偏向,CVaR相较于Va R是更为保守的市场风险测度模型,更适合保守的风险管理目标。

关键词：股票市场风险层次dirichlet过程分布拟合 VaR CVaR

来源：评论

学校读者我要写书评

暂无评论

计算机学科国家杰出青年项目获得者学术画像研究

计算机学科国家杰出青年项目获得者学术画像研究

引用

作者：冯娇娇大连理工大学

学位级别：硕士

“一年之计,莫如树谷;十年之计,莫如树木;终身之计,莫如树人”。人才是现代社会竞争与发展的重要生产力,人才是兴国之本、富民之基、发展之源。对于学术研究领域,这一规则同样适用。对高层次科研人才的研究一直是学术领域的一大热点。... 详细信息

“一年之计,莫如树谷;十年之计,莫如树木;终身之计,莫如树人”。人才是现代社会竞争与发展的重要生产力,人才是兴国之本、富民之基、发展之源。对于学术研究领域,这一规则同样适用。对高层次科研人才的研究一直是学术领域的一大热点。这些研究的核心是为了弄明白科研人才成长的环境和规律,从而培养更多的人才,最大限度的发挥人才的能力。21世纪,世界因为计算机技术而成为人类社会、物理世界、信息空间构成的三元体系。在世界正在进入以信息产业为主导的经济发展时期,数字化、网络化、智能化的新一轮科技革命席卷而来之时,本文将目光瞄准计算机科学技术领域的国家杰青项目获得者。本文对于高层次科研人才的学术画像主要包括以下两个方面:个人属性维度的研究:性别,年龄,籍贯,本硕博就读院校,博士导师;另一方面,学术属性方面的研究:论文数量和研究主题。在论文的数量上,依据中国计算机学会推荐学术会议和期刊目录对学者的论文成果进行定量分析;论文的研究主题则采用提出的三段式主题分析模型挖掘出学者的共性研究主题,进行演化分析。1)本文发现计算机学科杰青学者获奖年龄集中在40-45周岁,女性人数远低于男性。对于年龄较小的杰青获得者和女性学者分别运用CV分析法,本文发现互联网企业的研究经历对于计算机学科杰青人才成长具有正向加速作用,女性学者教育背景优良。在教育经历上,2/3的学者本硕博皆就读于211或985高校;学者师出名门普遍,师承关系上存在人才集聚现象。以领域为类别的师承存在差异性,领域的发展状况不同对名师的依赖程度不同,即技术应用场景广泛领域对名师依赖性低。除多媒体领域外,其它领域师出名门比例较大,而多媒体领域的学者导师则呈现出多样性和层次性,既有国际级大牛导师,国内领域专家,也有高校普通学者。2)学者的科研轨迹:论文数量上表现为发表在顶会上的论文呈阶段性增加趋势,其中以顶级期刊会议的增速最佳;学者的主题研究表现为3大特点:深挖(研究问题细化),横扩(原有技术扩展应用到新的研究对象和领域),交叉(原有技术和新技术的结合)。基于以上研究发现,本文提出加强校企合作研究,加强学科内人才的学术交流,跨学科的热点问题共享,技术交流,合作科研等途径促进人才的成长。该研究发现计算机学科高层次学者的共性特征,丰富科研人才培养的理论,为制定科技政策、培养高层次科研人才等提供重要参考。

关键词：杰青计算机学科研究主题层次dirichlet过程

来源：评论

学校读者我要写书评

暂无评论

管理科学研究主题及其演化趋势——基于NSFC基础研究知识库的分析

引用

科学学与科学技术管理 2017年第6期38卷 3-11页

作者：孙晓玲丁堃大连理工大学人文与社会科学学部辽宁大连116024

揭示学科的演化规律一直是人们关注的焦点,以管理科学为研究对象,通过分析国家自然科学基金资助项目的文献,研究管理科学领域的研究前沿主题及其演化趋势。基于层次dirichlet过程模型和主题相似度映射算法,分析研究前沿主题的时序演化,... 详细信息

揭示学科的演化规律一直是人们关注的焦点,以管理科学为研究对象,通过分析国家自然科学基金资助项目的文献,研究管理科学领域的研究前沿主题及其演化趋势。基于层次dirichlet过程模型和主题相似度映射算法,分析研究前沿主题的时序演化,绘制学科知识演化图谱。该研究对于发现科学的前沿和新生长点,完善学科演化分析方法和情报分析方法具有重要意义,为制定科技政策、推动科研创新等提供重要参考。

关键词：研究主题演化趋势层次dirichlet过程

来源：评论

学校读者我要写书评

暂无评论

贝叶斯非参数与大间隔学习若干算法研究

贝叶斯非参数与大间隔学习若干算法研究

引用

作者：杜长营中国科学院大学

学位级别：博士

贝叶斯学习具有可解释性强、鲁棒性好等优点，是机器学习的研究热点。本文基于贝叶斯非参数学习中的dirichlet过程和层次dirichlet过程、以及贝叶斯大间隔学习中的伪似然与数据扩充思想对当前若干较新、有挑战性的机器学习与数据挖掘问... 详细信息

贝叶斯学习具有可解释性强、鲁棒性好等优点，是机器学习的研究热点。本文基于贝叶斯非参数学习中的dirichlet过程和层次dirichlet过程、以及贝叶斯大间隔学习中的伪似然与数据扩充思想对当前若干较新、有挑战性的机器学习与数据挖掘问题进行研究。取得的主要创新成果包括:\n 1.基于层次dirichlet过程的非参数贝叶斯半定义学习\n 有些时候测试数据中可能包含一些训练数据中并未出现过的新类别数据，传统分类模型无法识别新数据类别，而聚类模型又无法充分利用已知类别的监督信息。为了解决这类问题，现有的方法假定测试数据中潜在的未知类别个数是已知的，然而这一假设在大多数情况下往往并不成立。本项研究基于层次狄利克雷过程与隐含狄利克雷分配提出非参数贝叶斯半定义学习模型，该模型在将来自已知类别的测试数据分类到相应类别的同时能够自动推断隐藏在测试数据中的未知数据类别的个数。为进行模型后验推断，给出基于塌缩式吉布斯抽样的求解算法。在各种文本数据集上的大量实验显示所提方法在无需事先指定未知类别个数的情况下与现有的参数化方法表现相当，因而具有非常广泛的应用前景。\n 2.基于dirichlet过程的非参数贝叶斯多任务最大间隔分类\n 本项研究提出一种非参数贝叶斯多任务大间隔分类模型。该模型能够将多个任务自动聚类到最合适数目的任务组，同时允许每个任务组内部的模型之间进行灵活的共享。具体来说，首先展示一种结合大间隔学习和层次贝叶斯模型的简单易行方法，该方法利用了SVM的一种重要变体——PSVM，其损失函数被用来定义一种新颖的似然函数。然后假定每个任务的模型参数由两部分组成:一部分在每个任务组内部被完全的共享，称之为组级参数;另一部分是每个任务特有的针对组级参数的尺度缩放参数。对多个任务的组级参数施加一种狄利克雷过程的先验，对每个任务的尺度缩放参数施加一个均值为一的拉普拉斯先验。最后每个任务的参数由其对应的组级参数和尺度缩放参数的乘积决定。为进行模型推理，给出有效的马尔科夫链蒙特卡洛(MCMC)算法。在地雷检测数据和UCI Yeast数据上的实验表明了所提算法的有效性。\n 3.基于贝叶斯后验正则化的最大间隔主成分分析\n 监督降维技术已在寻找预测子空间方面显示出了很大优势。之前的方法很少考虑流行的大间隔准则，因而易于过拟合通常少量的训练数据。这对于那些基于极大似然框架的方法尤其明显。本项研究提出一种基于后验正则化的贝叶斯方法，来结合主成分分析(PCA)和大间隔学习。基于针对大间隔学习的数据扩充思想和PCA的概率解释，所提出的方法可在贝叶斯框架下，同时进行最适合PCA子空间的搜索以及大间隔学习中权重和惩罚参数的自动推断。为了进行高效的贝叶斯近似后验推断（从而能够处理大规模数据），给出一种平均场变分推理算法。在各种各样的分类学习数据上的实验显示，与传统方法相比所提方法能够发现具有更强判别性和预测性的低维空间，从而使算法在未见数据上具有更好的预测能力。\n 4.面向支持向量学习的贝叶斯大间隔成组特征选择\n 在许多机器学习的应用当中，成组特征选择(Group Feature Selection，GFS)已被证明是非常有用的技术，因为它不仅可以增强所学模型参数的可解释性，也可以提高模型的预测性能。对于回归和分类问题，现有的成组特征选择模型主要是基于平方损失和逻辑斯特损失，而在支持向量学习(SupportVector Learning，SVL)中被广泛采用的ε-不敏感损失及铰链损失仍然未被引入。利用伪似然和数据扩充的技巧，本项研究提出一种面向支持向量学习的贝叶斯成组特征选择框架。通过贝叶斯推断，该方法可以避免通过交叉验证来选择惩罚参数。更确切的来说，为实现贝叶斯推断，本研究在增广的空间中采用平均场变分方法来推断模型参数和超参数的后验分布。在模拟数据和真实数据集上所做的回归和分类实验表明所提方法比很多最新的方法表现的都要好。

关键词：贝叶斯非参数 dirichlet过程层次dirichlet过程伪似然与数据扩充数据挖掘机器学习

来源：评论

学校读者我要写书评

暂无评论

多文档集合话题情感挖掘研究

多文档集合话题情感挖掘研究

引用

作者：朱崎峰上海交通大学

学位级别：硕士

本文研究多文档集合话题情感挖掘。本文使用能自动确定组件个数的层次dirichlet过程将文档集合表示为多个组件的混合,每个组件包含话题词和情感成分,扩展了话题情感混合模型。模型能够从多文档集合上挖掘出一组话题。话题在各文档集上... 详细信息

本文研究多文档集合话题情感挖掘。本文使用能自动确定组件个数的层次dirichlet过程将文档集合表示为多个组件的混合,每个组件包含话题词和情感成分,扩展了话题情感混合模型。模型能够从多文档集合上挖掘出一组话题。话题在各文档集上有各自的比例和对应的情感比例,并为每个文档集找到一个正面和一个负面词汇分布。模型通过马尔科夫链蒙特卡洛方法实现,实验表明模型可以找出有意义的话题和它们的情感倾向。模型在参数设置方面比现有的多侧面或联合情感模型有优势,在多领域情感数据集上的实验确认了模型有进行情感分析的能力。通过对中文事件微博和新闻语料的迭代过程实验,分析了衡量多文档集话题混合相似程度的参数,发现了一些微博媒体和新闻媒体的区别。新闻媒体上事件事实具体,微博则有更多的讨论,例如占领华尔街事件中新闻具体报道示威活动并表达了负面情绪,同时微博用户讨论不少和中国相关的话题使得正负情感变得偏向混合;新闻更多地报道本国工作,例如在马航MH370失联事件中对我方工作的报道。

关键词：话题建模层次dirichlet过程情感分析文本挖掘比较分析

来源：评论

学校读者我要写书评

暂无评论

采用自适应先验表观模型的目标跟踪方法

引用

四川大学学报（工程科学版） 2013年第5期45卷 69-75页

作者：孙建中熊忠阳张玉芳重庆大学计算机学院重庆400030 商丘师范学院河南商丘476000

为有效解决可变目标在跟踪过程中的"漂移"问题,提出一种基于自适应先验表观模型的目标跟踪方法。该方法首先在一致架构内融合HDP-EVO演化聚类模型和在线Boosting学习。以dirichlet过程为先验分布,对总体表观示例进行聚类分析... 详细信息

为有效解决可变目标在跟踪过程中的"漂移"问题,提出一种基于自适应先验表观模型的目标跟踪方法。该方法首先在一致架构内融合HDP-EVO演化聚类模型和在线Boosting学习。以dirichlet过程为先验分布,对总体表观示例进行聚类分析,获得随时间自适应演化的表观类先验知识,进而利用共享的表观类混合比例的权重平滑约束各时刻的表观模型。改进Gibbs抽样过程,使之能融入目标示例的分类误差,并交替迭代地从数据中自主学习聚类和表观分类器。最后,根据表观模型中各表观类的权重系数组合它们的分类评分去定位目标位置。仿真实验表明新方法学习的表观模型能较鲁棒地自适应于目标的表观变化,提高了跟踪精度。

关键词：表观模型自适应先验层次dirichlet过程聚类分析分类器

来源：评论

学校读者我要写书评

暂无评论

基于视频监控数据的人群行为分析

基于视频监控数据的人群行为分析

引用

作者：崇信毅北京交通大学

学位级别：硕士

基于视频监控的人群行为分析,作为计算机视觉、模式识别和人工智能等学科的交叉研究领域,是当前智能视频监控技术研究的热点。本文基于视频监控获得的人群运动轨迹数据集,对人群运动进行行为分析和研究,并建立基于视频监控人群运动轨迹... 详细信息

基于视频监控的人群行为分析,作为计算机视觉、模式识别和人工智能等学科的交叉研究领域,是当前智能视频监控技术研究的热点。本文基于视频监控获得的人群运动轨迹数据集,对人群运动进行行为分析和研究,并建立基于视频监控人群运动轨迹数据进行人群行为分析的完整处理框架。本文主要研究工作包括： 1.基于隐结构信息的人群运动模式(Motion Pattern)学习。在分析监控场景结构对人群行为分析影响的基础上,针对无结构场景内的人群行为分析,利用聚类算法从原始人群运动轨迹数据集中学习获取隐结构信息,基于隐结构信息对行人轨迹进行分类,对各类轨迹分别进行时间和空间属性分析,从而建立人群运动模式,并依据运动模式进行异常行为检测。 2.基于层次dirichlet过程(Hierarchical dirichlet Process, HDP)进行人群行为分析。将自然语言处理领域的主题建模方法引入视频监控人群轨迹学习与分析,基于层次dirichlet过程模型,提取特定场景内的人群运动关注区域(Region of Interest, ROI),并描述场景内人群运动随时间变化特征。 3.多尺度视频监控人群行为特征统计分析。为了量化统计人群行为特征,在全局和局部两个层次对人群行为特征进行统计分析,分别建立全局速度-方向分布矩阵、基于关注区域的速度直方图、人流密度直方图等统计特征模板,作为人群行为的数值特征描述。

关键词：智能视频监控人群行为分析隐结构信息异常检测层次dirichlet过程

来源：评论

学校读者我要写书评

暂无评论

基于依存关系的用户意图的研究

基于依存关系的用户意图的研究

引用

作者：段瑞雪北京邮电大学

学位级别：博士

随着互联网的发展,Web上出现了数以万亿的网页,这些网页中包含着大量的信息,每天还在不断的变化与更新,为了实现从整个互联网中快速查找目标信息,信息检索的典型应用系统——搜索引擎应运而生。但因为用户的查询词往往很短且具有很大的... 详细信息

随着互联网的发展,Web上出现了数以万亿的网页,这些网页中包含着大量的信息,每天还在不断的变化与更新,为了实现从整个互联网中快速查找目标信息,信息检索的典型应用系统——搜索引擎应运而生。但因为用户的查询词往往很短且具有很大的歧义性,如何理解用户意图仍然是一个有待解决的问题,并已经成为提高搜索引擎检索质量的关键性技术。用户意图的理解是相当复杂的问题,不同的查询具有不同的意图,即使是相同的查询,不同的用户也可能具有不同的意图。为了简化对用户意图问题的研究,目前主要采用查询分类的方法,把查询的意图划分到一个预先定义好的分类结构中。然而,目前存在的查询分类体系都是静态的,且存在很大的稀疏性,对于用户意图的理解很有限。本文以深入理解用户意图为目标,以依存分析为基础,在查询分类体系,意图的挖掘,以及进一步对意图聚类等方面进行了深入的研究,取得了一些创新性的成果,主要的研究工作和研究成果包括： 1)本文提出了动态的层次查询分类体系,并实现了用户意图的挖掘。为了简化对复杂用户意图的理解,目前多采用将用户查询进行分类的方法,搜索引擎可以根据不同类型的查询意图,采用不同的检索策略,优化检索结果。尽管近年来对用户查询分类的研究比较多,但是这些研究基本上都是基于简单的三分类体系,本文提出了一种细化的方法,分别为不同的查询词构建动态的层次分类体系。接着,从搜索引擎返回的检索片段入手,将检索片段看作是查询词的上下文,并利用依存分析的方法从查询上下文中挖掘用户可能的意图。但由于依存关系数量比较少,提出利用依存结构中的其他关系构造了间接的二阶依存关系,从而克服数据悉数问题。最后,实验表明,这种新的方法在准确率和相关率方面,都好于目前的其它方法。 2)本文提出了利用层次dirichlet过程(Hierarchical dirichlet Process)模型的方法来实现用户意图的聚类。目前,用户意图的研究仅仅停留在如何找到更好的特征来实现用户查询意图的分类。即使有些研究人员提出了挖掘用户意图的方法,但仅仅是对用户意图进行了简单的罗列,其中很多的用户意图具有相同或相似的含义,并没有实现对这些用户意图进行聚类。针对用户意图的聚类个数不能预先确定的特点,本文提出了利用HDP模型,从主题模型的角度来实现用户意图的聚类。文中将动词看作是文本,分别采用共现名词、依存名词以及两者相结合的方法来生成动词文本,根据动词文本中名词的潜在主题来实现动词的聚类。实验表明HDP和DPMM(dirichlet Process Mixture Model)的性能要优于LDA (Latent dirichlet Allocation)模型。这表明加入了文本层的HDP模型,更适合于解决意图聚类问题。 3)本文提出了利用短文本主题分类的方法来处理短文本构成的查询。当查询词不是由2,3个词构成,而是由短文本构成,查询的意图就明确得多,可以考虑直接利用主题分类的方法来对短文本查询进行分类。然而,短文本查询具有信息量少,结构不完整的特点,传统的单纯基于词的分类方法已经不能很好地解决短文本分类问题。本文提出了一种加入语法信息的方法,来增强句子中重要语法成分的词的重要性,从而增强短文本中包含的信息。实验结果表明语法信息的加入将有助于提高短文本分类的性能。通过判断短文本查询的主题类别,可以对不同主题的查询采取相应的排序策略,做到有针对性的处理查询。此外,还可以进一步进行垂直搜索。

关键词：用户意图依存关系主题模型层次dirichlet过程

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：