收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量数据描述及其在财务报表舞弊识别中的应用研究

刘晟  
【摘要】: 支持向量数据描述作为一种基于统计学习理论的单分类方法,在解决有限样本、非线性以及高维数据的模式识别问题中表现出许多特有的优势,已成为机器学习领域的又一研究热点。在构造支持向量数据描述时只需要一个类别的样本信息,将其应用于财务报表舞弊识别的研究中,能够较好地解决舞弊数据不易获得的问题,对降低投资风险、增强会计信息透明度以及促进市场的健康发展都具有重要作用。因此,深入研究支持向量数据描述将具有较高的学术价值和十分重要的现实意义。 论文总结了支持向量数据描述的国内外研究现状,分析了已有方法的优缺点。针对模糊支持向量数据描述中隶属度计算所存在的问题,提出了一种在核空间中计算样本隶属度的方法,进而实现了一种分层模糊支持向量数据描述算法。针对基于支持向量数据描述多类分类算法对重叠区域所采用的判别策略的不足,提出一种基于核空间相对密度的支持向量数据描述多类分类算法。针对现有边界优化算法未能充分利用样本在核空间中的分布信息,提出了一种新的边界优化算法。针对现有增量支持向量数据描述算法存在的问题,提出了一种增量支持向量数据描述的改进算法。在对支持向量数据描述研究成果的基础上,设计并实现了一种财务报表舞弊识别模型。 论文的主要工作包括以下几个方面: 1、总结了支持向量数据描述的研究现状,介绍了机器学习的基本问题和统计学习理论基础,并对支持向量数据描述进行了详细的讨论。 2、提出了一种分层模糊支持向量数据描述算法KHFSVDD。该算法首先利用核K-Means将原始问题划分为K个子问题;然后,应用模糊支持向量数据描述算法生成子问题的局部描述;最后,通过合并子问题的解来构建原始问题的全局描述。 3、提出了一种核空间相对密度的思想,并将其应用于基于支持向量数据描述的多类分类算法中,以核空间相对密度为决策依据,判断超球重叠区域中待测样本的类别。 4、提出了一种边界优化算法,该算法根据超球边界附近样本的平均密度信息,以及待测样本与球心的距离,对边界附近的待测样本的类别进行判断。 5、提出了一种增量支持向量数据描述的改进算法,该算法在分析支持向量集构成情况的基础上,以动态的方式选择出可能转变为支持向量的数据进行训练,在约减训练样本的同时保留了更多的数据分布信息。 6、构建了一种基于支持向量数据描述的财务报表舞弊识别模型,该模型包括初始描述、增量描述以及报表检测等模块。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 陶品,张钹,叶榛;构造型神经网络双交叉覆盖增量学习算法[J];软件学报;2003年02期
2 彭彬彬,孙正兴,金翔宇;多值分类环境下基于SVM增量学习的用户适应性研究(英文)[J];南京大学学报(自然科学版);2004年02期
3 姜卯生,王浩,姚宏亮;朴素贝叶斯分类器增量学习序列算法研究[J];计算机工程与应用;2004年14期
4 景博,李剑,钱越英;一种协商在线增量学习算法及其在基于智能体的电子商务中的应用[J];计算机工程与应用;2005年02期
5 吴飞,庄越挺,潘云鹤;基于增量学习支持向量机的音频例子识别与检索[J];计算机研究与发展;2003年07期
6 杨森,徐海涛,柴乔林;应用支持向量机实现增量入侵检测[J];计算机工程与应用;2004年27期
7 刘璨;粗集神经网络过程监控模型的增量学习法[J];机床与液压;2004年01期
8 滕月阳,唐焕文,张海霞;一种新的支持向量机增量学习算法[J];计算机工程与应用;2004年36期
9 张仕华;王学业;;增量回归支持向量机改进学习算法[J];计算机工程与应用;2006年03期
10 陶品,张钹,叶榛;可继续学习的构造型神经网络构造算法[J];计算机工程与应用;2002年08期
11 李凯,黄厚宽;支持向量机增量学习算法研究[J];北方交通大学学报;2003年05期
12 曾嵘,刘建成,蒋新华;一种基于支持向量机的增量学习算法[J];铁道科学与工程学报;2005年01期
13 李祥纳;艾青;秦玉平;刘卫江;;支持向量机增量学习算法综述[J];渤海大学学报(自然科学版);2007年02期
14 萧嵘 ,王继成 ,孙正兴 ,张福炎;一种SVM增量学习算法α-ISVM[J];软件学报;2001年12期
15 李忠伟,张健沛,杨静;基于支持向量机的增量学习算法研究[J];哈尔滨工程大学学报;2005年05期
16 刘风;王正群;陈广花;;基于类别信息的分类器集成方法Cagging[J];计算机应用;2008年S2期
17 万辉;魏延;;一种改进的最小二乘支持向量机算法[J];重庆师范大学学报(自然科学版);2010年04期
18 高洁,吉根林;一种增量式Bayes文本分类算法[J];南京师范大学学报(工程技术版);2004年03期
19 刘梅,权太范,姚天宾;基于增量学习神经模糊网络的机动目标跟踪[J];电子学报;2005年11期
20 蔡珍凡;;一种改进的快速支持向量机算法[J];科学技术与工程;2010年13期
中国重要会议论文全文数据库 前10条
1 张健沛;李忠伟;杨静;;一种基于多支持向量机的并行增量学习方法(英文)[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
2 王玲;穆志纯;郭辉;;基于支持向量回归的增量建模方法[A];第25届中国控制会议论文集(上册)[C];2006年
3 赵莹;万福永;;支持向量机的增量学习算法及其在多类分类问题中的应用[A];第25届中国控制会议论文集(下册)[C];2006年
4 郝增荣;刘海军;柳征;姜文利;;一种基于神经网络增量学习的辐射源识别算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
5 郭东;李玉霞;童玲;顾行发;;一种基于相位相关的无人机遥感图像重叠区域检测方法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年
6 罗长升;段建国;许洪波;郭莉;;基于拉推策略的文本分类增量学习研究[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
7 马亮;陈群秀;谭伟;;智能Web信息检索相关研究[A];全国第八届计算语言学联合学术会议(JSCL-2005)论文集[C];2005年
8 王会珍;朱靖波;季铎;叶娜;张斌;;基于反馈学习自适应的中文话题追踪[A];第二届全国信息检索与内容安全学术会议(NCIRCS-2005)论文集[C];2005年
9 刘欣;章勇;王娟;;增量学习的TFIDF_NB协同训练分类算法[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
10 马后锋;樊兴华;;一种改进的增量贝叶斯分类算法[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
中国博士学位论文全文数据库 前10条
1 丁凯;基于增量学习的中文手写书写者自适应技术研究[D];华南理工大学;2011年
2 赵强利;基于选择性集成的在线机器学习关键技术研究[D];国防科学技术大学;2010年
3 秦玉平;基于支持向量机的文本分类算法研究[D];大连理工大学;2008年
4 何学文;基于支持向量机的故障智能诊断理论与方法研究[D];中南大学;2004年
5 王昱;考虑特征变量异质性的分类方法及其在风险决策中的应用研究[D];中国科学技术大学;2009年
6 李斌;概率混合模型的研究及其应用[D];复旦大学;2009年
7 王利民;贝叶斯学习理论中若干问题的研究[D];吉林大学;2005年
8 孙彩堂;彩色虹膜图像识别算法的研究[D];吉林大学;2009年
9 吴冰;相关向量回归元建模关键技术及其应用研究[D];国防科学技术大学;2011年
10 陈海霞;面向数据挖掘的分类器集成研究[D];吉林大学;2006年
中国硕士学位论文全文数据库 前10条
1 刘晟;支持向量数据描述及其在财务报表舞弊识别中的应用研究[D];江苏大学;2010年
2 杜玲;覆盖算法的增量学习研究[D];安徽大学;2010年
3 李曼;云计算平台上的增量学习研究[D];南京邮电大学;2012年
4 张智敏;基于增量学习的分类算法研究[D];华南理工大学;2010年
5 高丽;基于FBT的改进SVM多类分类方法研究[D];哈尔滨理工大学;2009年
6 冯佳;多层文本分类与增量学习关键技术研究[D];西安电子科技大学;2009年
7 孙发圣;支持向量机学习算法及其在雷达目标识别中的应用[D];国防科学技术大学;2007年
8 陈平;基于SVM的中文文本分类相关算法的研究与实现[D];西北大学;2008年
9 薛伟;基于大规模训练集的SVM研究[D];燕山大学;2010年
10 李进;基于SVM增量学习的P2P流媒体流量识别方法研究[D];国防科学技术大学;2010年
中国重要报纸全文数据库 前10条
1 记者 张梦然; 三大望远镜共同见证宇宙奇景[N];科技日报;2010年
2 记者 张琴 侯勇 通讯员 李岳新 喻阳 李钟鹏;用“精细”填平“缝隙”[N];岳阳晚报;2010年
3 范宏国 程仕栋;神州视觉展峥嵘[N];人民日报海外版;2010年
4 本报记者 张乔普;立足优势 谋求发展[N];郑州日报;2011年
5 安徽联通 田超 赵成城 盛兵;以3G替代2G覆盖市区的可行性研究[N];通信产业报;2011年
6 裴敏欣 美国卡内基国际和平基金会高级研究员;中国如何避免下一次冲突[N];国防时报;2011年
7 记者 李全宏;全国煤炭煤层气产业化协调发展经验交流会在晋城召开[N];山西日报;2009年
8 驻京记者 贾岩;武田借力辉瑞在华推广艾可拓[N];医药经济报;2009年
9 记者 陈怡;“魔盒”和“动力之源”里的听觉奥秘[N];上海科技报;2010年
10 特约记者 徐博龙;世博海缆背后的承诺[N];中国海洋报;2010年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978