-
王双成
-
-
- 所属机构:上海立信会计学院数学与信息学院
- 所在地区:上海市
- 研究方向:自动化与计算机技术
- 发文基金:国家自然科学基金
相关作者
- 冷翠平
- 作品数：22被引量：39H指数：3
- 供职机构：上海立信会计学院数学与信息学院
- 研究主题：贝叶斯网络 GIBBS抽样 动态贝叶斯网络 朴素贝叶斯分类器 线性矩阵不等式
- 杜瑞杰
- 作品数：14被引量：68H指数：4
- 供职机构：上海立信会计学院数学与信息学院
- 研究主题：贝叶斯网络 高斯核函数 朴素贝叶斯分类器 分类器 贝叶斯分类器
- 刘喜华
- 作品数：107被引量：371H指数：9
- 供职机构：青岛大学经济学院
- 研究主题：高等教育 实证研究 企业 贝叶斯网络 MALMQUIST指数
- 高瑞
- 作品数：10被引量：31H指数：3
- 供职机构：上海立信会计学院数学与信息学院
- 研究主题：贝叶斯网络 朴素贝叶斯分类器 分类器 高斯核函数 贝叶斯
- 王辉
- 作品数：22被引量：66H指数：4
- 供职机构：中央民族大学信息工程学院
- 研究主题：动态贝叶斯网络 朴素贝叶斯分类器 动态贝叶斯 网络结构学习 贝叶斯网络
- 基于贝叶斯网络的企业财务风险研究
- 2016年
- 企业财务风险是指由多种因素的相互作用,使企业不能实现预期效益。目前主要采用以线性回归为基础的格兰杰方法发现企业运行指标之间的因果关系,但使用这种方法所发现的因果关系在理论和应用两方面均具有局限性。本文结合专家知识和打分—搜索方法进行贝叶斯网络学习,并将贝叶斯网络用于企业财务风险因果关系发现和分析,可为企业防范和管理财务风险提供决策支持。
- 姚衡王双成
- 关键词：企业财务风险因果关系贝叶斯网络
- 基于贝叶斯网络理论的道德图学习
- 2009年
- 贝叶斯网络的道德图是一种马尔可夫网络,是进行随机变量之间依赖关系分析、推理及预测的有力工具。基于道德图和贝叶斯网络间的密切联系,提出了一种基于贝叶斯网络理论进行道德图学习的方法。实验表明该方法能够显著提高道德图学习效率和可靠性,适合于多变量稀疏道德图学习。
- 张剑飞王辉王双成
- 关键词：贝叶斯网络马尔可夫网络
- 连续属性一阶贝叶斯衍生分类器学习与集成
- 2015年
- 依据copula和贝叶斯网络理论,将高斯copula函数、引入平滑参数的高斯核函数和以分类器的分类准确性为标准的属性父结点贪婪选择等相结合,综合考虑效率和可靠性,进行连续属性一阶贝叶斯衍生分类器学习、优化和集成.使用UCI数据库中连续属性分类数据进行实验,结果显示,经过优化和集成的一阶连续属性贝叶斯衍生分类器具有良好的分类准确性.
- 王双成高瑞冷翠平
- 关键词：分类器集成贝叶斯网络
- 用于绩效评估的条件贝叶斯网络混合分类器
- 针对现有的企业绩效评估方法存在的缺陷和条件贝叶斯网络学习在效率和可靠性等方面的问题,提出了将条件贝叶斯网络和朴素贝叶斯分类器相结合来建立条件贝叶斯网络混合分类器,并基于这种分类器进行企业绩效等级评价的方法,以及通过结点排...
- 王双成李颖琦柳青
- 关键词：绩效评估贝叶斯网络分类器
- 文献传递
- 基于高斯Copula的约束贝叶斯网络分类器研究被引量：10
- 2016年
- 具有连续属性的分类问题普遍存在,目前主要采用两种方法来处理连续属性:一种是将连续属性进行离散化;另一种是基于高斯函数或高斯核函数来估计属性密度.连续属性的离散化可能导致信息丢失、引入噪声和类对属性的变化不够敏感等问题,而高斯函数和高斯核函数在属性密度估计中各有优势与不足,但它们具有很强的互补性.该文依据Copula和贝叶斯网络理论,结合高斯Copula密度函数、引入平滑参数的高斯核函数和以分类准确性为标准的属性父结点贪婪选择,建立连续属性约束贝叶斯网络分类器,既可以避免连续属性离散化所带来的问题,又能够实现高斯函数和高斯核函数在属性密度估计方面的优势互补.分别采用真实数据和模拟数据进行实验,结果显示,使用结合边缘高斯核函数的高斯Copula估计属性密度的约束贝叶斯网络分类器具有良好的分类准确性.
- 王双成高瑞杜瑞杰
- 关键词：贝叶斯网络分类器高斯核函数
- 小时间序列的动态朴素贝叶斯分类器学习与优化被引量：12
- 2017年
- 小时间序列在宏观经济领域普遍存在,对小时间序列的分类预测也有着广泛的需求.由于小时间序列蕴含的信息不充分,有效地提高小时间序列分类预测的可靠性非常困难,目前也缺少这方面的研究.针对这种情况,在基于引入平滑参数的高斯核函数估计属性边缘密度的基础上,建立用于小时间序列分类预测的动态朴素贝叶斯分类器,并给出平滑参数的同步和异步优化方法.实验结果表明,优化能够显著提高小时间序列分类预测的准确性.
- 王双成高瑞杜瑞杰
- 关键词：贝叶斯网络分类器时间序列高斯核函数
- 混合贝叶斯网络隐藏变量学习研究被引量：13
- 2005年
- 目前,具有已知结构的隐藏变量学习主要针对具有离散变量的贝叶斯网和具有连续变量的高斯网.该文给出了具有连续和离散变量的混合贝叶斯网络隐藏变量学习方法.该方法不需要离散化连续变量,依据专业知识或贝叶斯网络道德图中Cliques的维数发现隐藏变量的位置,基于依赖结构(星形结构或先验结构)和Gibbs抽样确定隐藏变量的值,结合扩展的MDL标准和统计方法发现隐藏变量的最优维数.实验结果表明,这种方法能够有效地进行具有已知结构的混合贝叶斯网络隐藏变量学习.
- 王双成
- 关键词：混合贝叶斯网络GIBBS抽样
- 小数据集的贝叶斯网络结构学习被引量：20
- 2009年
- 针对直接基于小数据集贝叶斯网络结构学习不可靠,以及目前对小数据集的处理只强调扩展而忽略对扩展数据的修正等,提出了将扩展与修正相结合的小数据集处理机制,以及在此基础上的基于结点排序和局部打分-搜索的贝叶斯网络结构学习方法,可不需要完全结点顺序的先验知识,但能够结合专家的部分结点顺序信息,实验结果显示了这种方法的有效性和可靠性。
- 王双成冷翠平李小琳
- 关键词：贝叶斯网络
- 基于局部解释能力的贝叶斯网络隐藏变量学习被引量：1
- 2009年
- 目前,在贝叶斯网络中插入隐藏变量的主要目的是简化贝叶斯网络结构,从而提高推理效率,但隐藏变量使用不当会降低推理的可靠性.本文以提高贝叶斯网络的局部最优解释推理能力为标准插入隐藏变量,并将最优解释、星形结构和G ibbs抽样相结合来确定隐藏变量的位置、取值和维数,因此,通过隐藏变量的引入,在能够提高推理效率的同时,还可改进推理的可靠性.
- 王双成冷翠平刘凤霞
- 关键词：贝叶斯网络GIBBS抽样
- 约束高斯分类网研究被引量：3
- 2015年
- 针对基于一元高斯函数估计属性边缘密度的朴素贝叶斯分类器不能有效利用属性之间的依赖信息和使用多元高斯函数估计属性联合密度的完全贝叶斯分类器易于导致对数据的过度拟合而且高阶协方差矩阵的计算也非常困难等情况,在建立属性联合密度分解与组合定理和属性条件密度计算定理的基础上,将朴素贝叶斯分类器的属性选择、分类准确性标准和属性父结点的贪婪选择相结合,进行约束高斯分类网学习与优化,并依据贝叶斯网络理论,对贝叶斯衍生分类器中属性为类提供的信息构成进行分析.使用UCI数据库中连续属性分类数据进行实验,结果显示,经过优化的约束高斯分类网具有良好的分类准确性.
- 王双成高瑞杜瑞杰
- 关键词：贝叶斯网络密度估计
