您的位置: 专家智库 > >

宋玉龙

作品数:3 被引量:18H指数:2
供职机构:北京理工大学计算机学院智能信息技术北京市重点实验室更多>>
发文基金:北京市自然科学基金国家科技部软科学项目北京市重点实验室更多>>
相关领域:经济管理社会学自动化与计算机技术更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 2篇经济管理
  • 1篇自动化与计算...
  • 1篇社会学

主题

  • 2篇预警
  • 2篇失业
  • 2篇失业预警
  • 1篇多分类器
  • 1篇预处理
  • 1篇预警方法
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇支持向量域描...
  • 1篇神经网
  • 1篇神经网络
  • 1篇神经网络集成
  • 1篇实证
  • 1篇实证研究
  • 1篇数据预处理
  • 1篇球模型
  • 1篇网络
  • 1篇网络集成
  • 1篇向量
  • 1篇向量机

机构

  • 3篇北京理工大学
  • 2篇中国人民大学
  • 2篇人力资源和社...

作者

  • 3篇李建武
  • 3篇宋玉龙
  • 2篇李宏
  • 1篇莫荣

传媒

  • 1篇经济与管理研...
  • 1篇计算机研究与...
  • 1篇中国软科学

年份

  • 2篇2012
  • 1篇2011
3 条 记 录,以下是 1-3
排序方式:
基于神经网络集成的失业预警方法被引量:7
2012年
提出采用神经网络集成技术对中国失业预警系统进行建模,以克服当前失业预警系统建模中存在的小样本、高维度、非线性、噪音数据等难题。采用BP神经网络回归模型对失业率进行预测;基于两种集成技术Bagging与AdaBoost对多个神经网络进行集成,以获得比单个预测模型更好的精度与稳定性;最后基于广东省的社会经济调查数据进行了实证分析,实验结果表明:在对失业率的预测上,Bagging集成方法的预测效果优于Adaboost集成方法,也优于单个最好的神经网络模型。
李宏李建武宋玉龙
关键词:失业预警神经网络集成BAGGINGADABOOST
ECOC多分类器实现的最小封闭球模型被引量:1
2011年
基于纠错输出码(error-correcting output codes,ECOC)的多分类器实现旨在通过构造多个二分类器,根据各个二分类器的输出对测试样本进行分类决策,标准的做法是采用最短海明距离判别.首先对传统二进制ECOC的多分类模型进行了几何刻画,给出了ECOC多分类器的最小封闭球几何描述模型,然后把这种思想推广到实数编码的实现,并采用支持向量域描述(support vector domain description,SVDD)在实数向量空间中寻找各个类别的最小封闭球.进一步根据最小封闭球的几何模型,探讨了给出后验概率估计的ECOC多分类器实现策略.最后采用支持向量机作为ECOC的二类分类器,在UCI数据集上进行了实验分析.实验结果表明:对于长度较短的ECOC编码,所提出的计算模型在分类精度上相比传统的方法性能明显改善.
李建武魏海周宋玉龙
关键词:支持向量域描述支持向量机
基于回归分析的失业预警建模实证研究被引量:13
2012年
指出失业预警系统的建模是一个小样本、高维度、非线性、存在噪音数据的复杂的建模问题,重点探讨了基于回归分析技术对失业预警系统进行建模的理论、方法与步骤。讨论了常见的缺失数据处理、数据归一化以及特征降维等数据预处理方法;进一步分析了最小二乘回归、Logistic回归、岭回归、BP神经网络以及支持向量回归五种回归技术;最后基于广东省的社会经济调查数据对五种回归方法进行了实证分析,实验结果表明:在对失业率的预测上,支持向量回归预测效果最好,最小二乘回归、岭回归与BP神经网络次之,Logistic回归预测效果最差。
李宏李建武莫荣宋玉龙
关键词:失业预警数据预处理
共1页<1>
聚类工具0