基于CatBoost用信预测模型的TreeSHAP解释性研究

银行客户申请信用贷款在授信通过后,精准预测客户是否用信及分析影响客户用信的关键因素,对提高银行客户服务能力及盈利能力具有重要意义.目前,机器学习算法鲜有在用信预测方面的应用,且金融用信领域缺乏模型可解释性的研究,为此提出一种基于CatBoost的TreeSHAP解释性用信预测模型.通过CatBoost构建用信预测模型,利用3种超参数优化算法对该模型进行对比优化,与基线模型在4项主要性能指标上进行实验对比,结果表明经TPE算法优化后的模型性能均优于其他模型,然后结合TreeSHAP方法从全局和局部的层面增强模型的可解释性,解释性分析客户用信的影响因素,为银行对客户进行精准化营销提供决策依据.     

基于Shapley熵的主观信任模型

针对开放网络信任的主观性、不确定性等特点,建立了一种基于Shapley熵的主观模糊信任综合评价模型。该模型运用模糊综合评价法得出节点间的直接信任值,并提出评价取向相似度、反馈评价不确定度、推荐节点可信度三个概念,利用Shapley熵计算节点推荐信任值。仿真实验表明,该模型能准确地计算信任值,并在保证节点交易成功率的同时体现了评价的主观性。     

不可逆的3维网格模型数字水印算法

提出一种基于奇异值分解的三角网格模型数字水印算法,该算法主要思想在于把水印信息嵌入到奇异值为零的地方,由于零值的特点使得算法不可逆,从而成功抵御了解释攻击。该算法简单,并可以快速嵌入到大规模三角网格模型里。通过几种不同的攻击实验,验证了算法具有很好的鲁棒性,最后还对构造不可逆算法的必要条件进行了总结。     

基于FEBM和模糊神经网络的模糊概念识别

在基于解释的机器学习问题上,近期提出的模糊模型FEBM(Fuzzy Explanation-Based Model)为模糊概念的识别和分类提供了一种很好的解决手段.在对该模型当对象的解释谓词在[0,1]上取确值的情况时,计算"对象属于概念C的真值"的公式进行适当调整的基础上,结合神经网络可以用于模式识别和分类的特点,提出了一种基于模糊神经网络和FEBM的模糊概念识别方法.实验表明,该方法是有效的和可行的,是关于该模型应用的一个极为有意义的尝试.     

面向深度学习可解释性的对抗攻击算法

针对深度神经网络(DNN)中的可解释性导致模型信息泄露的问题,证明了在白盒环境下利用Grad-CAM解释方法产生对抗样本的可行性,并提出一种无目标的黑盒攻击算法——动态遗传算法.该算法首先根据解释区域与扰动像素位置的变化关系改进适应度函数,然后通过多轮的遗传算法在不断减少扰动值的同时递增扰动像素的数量,而且每一轮的结果...     

基于改进Shapley值的四级供应链利润分配研究

为求解供应链利润分配问题,以经典Shapley值法为基础,将利润分配视为没有哑元的合作对策问题,提出改进的Shapley值模型,通过证明和推理对该改进Shapley值解进行描述和刻画,运用该模型求解四级供应链利润分配问题,并用一个算例说明该改进Shapley解的实用性和可行性。结果表明,改进的Shapley函数和经典Shapley函数在形式上具有一致性,是经典Shapley函数在模糊领域的一个自然延续和拓展,能够有效解决供应链利润分配问题。     

基于联盟博弈的Web服务社区利益分配

随着Web服务的迅速发展,在一个开放环境中功能相似的Web服务越来越多,Web社区的出现大大降低了相似功能Web服务管理和运营成本,服务提供商根据功能将其Web服务部署到相应的社区中,用户则可以通过其功能需求到相应的服务社区来调用其所需的服务.由于社区中的Web服务存在着合作竞争关系,如何将Web服务社区的整体收益公平合理地分配给社区中每一个Web服务的供应商成为亟需解决的问题.在利益分配问题上,Shapley值因具有诸多公平性特征被广泛应用,因此根据Web服务社区的特点,结合联盟博弈论中的Shapley模型,并针对传统Shapley模型的在Web服务社区中的局限性进行改进.通过实验表明:在Web服务社区中,该分配算法较传统Shapley算法更加有效且具有实用性.     

Shapley值法的改进及其应用研究

为了求解没有哑元的合作对策问题,以经典Shapley值法为基础,提出了改进的Shapley值求解模型,并通过证明和推理对该改进Shapley值解进行了描述和刻画,结果表明:改进的Shapley函数和经典Shapely函数在形式上具有一致性,可以认为:改进的Shapley函数是经典Shapely函数在模糊领域的一个自然延续和拓展。在此基础上,以单个制造商、单个分销商和单个零售商构成的三级供应链为背景,将改进Shapley值法运用到其利润分配问题中,并用一个算例说明了该改进Shapley解的实用性和可行性。     

融合Shapley值和粒子群优化算法的混合特征选择算法

针对在模式分类问题中,数据往往存在不相关的或冗余的特征,从而影响分类的准确性的问题,提出一种融合Shapley值和粒子群优化算法的混合特征选择算法,以利用最少的特征获得最佳分类效果。在粒子群优化算法的局部搜索中引入博弈论的Shapley值,首先计算粒子（特征子集）中每个特征对分类效果的贡献值（Shapley值）,然后逐步删除Shapley值最低的特征以优化特征子集,进而更新粒子,同时也增强了算法的全局搜索能力,最后将改进后的粒子群优化算法运用于特征选择,以支持向量机分类器的分类性能和选择的特征数目作为特征子集评价标准,对UCI机器学习数据集和基因表达数据集的17个具有不同特征数量的医疗数据集进行分类实验。实验结果表明所提算法能有效地删除数据集中55%以上不相关的或冗余的特征,尤其对于中大型数据集能删减80%以上,并且所选择的特征子集也具有较好的分类能力,分类准确率能提高2至23个百分点。     

基于形状分布的机械CAD模型相似性评价算法

提出一种基于形状分布的机械CAD模型相似性评价算法.该方法首先在CAD模型表面随机取点,然后计算随机点之间的距离,通过对距离值进行统计得到形状分布曲线,最后通过对模型间形状分布曲线的比较得到两个模型的相似度,从而实现模型的相似性评价.实验表明该算法能较好的实现机械CAD模型的相似性评价.     

模糊动态联盟收益分配改进算法

动态联盟注重盟员间的合作,在参与人合作过程中,收益分配是其理性选择的结果。实际生活中收益又具有模糊性,所以应用模糊合作博弈来研究该问题非常必要。这里的关键问题是模糊合作博弈Shapley值的求解问题。将模糊合作博弈中的模糊支付用模糊结构元表示,给出基于结构元理论的各局中人Shapley值求解方法,使其得到解析表达。求解该方法可以体现出决策者不同行为偏好下动态收益的不同分配,应用结果验证了改进算法的有效性。     

面向无线传感器网络能耗优化研究

针对无线传感器网络可靠性、实时性和性能等方面的要求,提出了一种核函数估计和KD树编码技术数据传输方法。为有效提高网络性能,将核函数技术与数据编码机制结合在一起,利用核函数估计采集的数据模型,协调不同节点之间的通讯,以达到降低网络的能量消耗和带宽占用的目标。在仿真实验中,采用以上机制的无线传感器网络能够有效地减少网络的能量消耗,延长网络的生存期,并能够通过传输模型的参数来减少网络的数据流量。     

Optimum profit allocation in coalitional VoD service

Although video-on-demand (VoD) services are provided by many ISPs, the amount of content provided by each VoD service is one order smaller than that provided by rental video services, so the limited content count is one of the obstacles to widespread VoD services. To solve this problem, ISPs can form a coalition with other ISPs and use content owned by other ISPs. However, to form a coalition among multiple ISPs, ISPs need to rationally allocate the profit obtained by the coalition to convince all ISPs participating in the coalition. We propose using the Shapley value of the coalitional game as the rational allocation of profit. Assuming that all but one ISP has the same number of users or (and) the same number of rare content, we derive the Shapley value in closed form and clarify the influence of the numbers of users and rare content on the coalition. We also compare the Shapley value with three general allocation models and show that the Shapley value agrees with the allocation when the profit obtained by each content delivery is equally shared by two ISPs, one that accommodates the receiving user and the other that owns the delivered content.     

动机器人视觉图像特征提取与匹配算法*

针对移动机器人导航过程中视觉图像处理速度慢以及特征点提取与匹配实时性和准确性差等特点,提出了一种基于SIFT特征提取算法与KD树搜索匹配算法相结合的新方法,通过对候选特征点进行多次模糊处理,使其分布在高斯差分图像的灰度轮廓线边缘,利用SIFT特征提取算法找到满足极限约束的极值点;通过KD树最邻近点搜索和匹配算法使处理后的特征点与原始图像进行特征匹配,快速找出匹配正确的特征点。实验证明,该方法对环境光照、视野角度频繁变化的环境具有较强的鲁棒性,能够满足移动机器人自主导航过程中对视频图像处理的实时性和准确性     

基于树宽的警示传播算法收敛性分析

警示传播算法作为一种基本的信息传播算法,其收敛时求解可满足性问题十分有效,但因子图结构较为复杂时,算法往往不收敛导致求解失败。为了对这种现象给予理论解释,同时对警示传播算法收敛性进行有效分析,利用树分解方法构造了命题公式对应因子图的树宽度量模型,计算可满足随机实例的树宽。建立树宽与警示传播算法收敛性之间的关系,给出了基于树宽的警示传播算法收敛性判定条件。通过实验分析,结果表明该方法有效,对于分析其他信息传播算法收敛性分析研究具有十分重要的意义。