基于RU-SMOTE-SVM的高新技术企业利润操纵行为识别研究——来自成都的经验证据

文章以成都高新技术企业为研究对象,将RU与SMOTE两种不平衡处理方法相结合,构建新的不平衡样本处理技术RU-SMOTE,进而引入SVM人工智能技术对成都高新技术企业利润操纵行为进行研究。研究结果表明:基于RBF核函数的R U-SMOTE-SVM智能模型具有最优识别性能,能够准确有效地对成都高新技术企业的利润操纵行为进行识别。     

企业利润操纵的动机及财务分析研究

利润操纵一直是企业投资者以及其他信息使用者了解企业真实财务状况的一个巨大障碍,严重侵害了公众以及国家利益,因此本文从理论上对企业利润操纵动机进行了归纳,就利润操纵手法及其在财务数据中所表现的异常进行了分析,最后通过提出一些识别利润操纵的对策,希望能够帮助信息使用者更好地识别利润操纵。     

基于自注意力的隧道视频火灾识别技术研究

针对公路隧道火灾样本量少、深度学习效果不理想的问题，研究一种小样本学习技术，以提高对隧道火灾样本的利用率，并在此基础上利用成熟的机器学习方法，提出一种基于自注意力的隧道视频火灾识别技术。该技术采用自注意力机制结合SVM分类器搭建火焰识别模型，该模型针对各项特征对火焰识别的重要性分配不同的注意力权重，形成注意力矩阵，并将权重矩阵与特征向量的值相加权，通过SVM的Hinge Loss进行线性支持向量机分类，对公路隧道火灾进行识别和预警。在火灾识别训练过程中，通过对火焰疑似区域进行检测，并利用数据增强技术达到样本扩增的目的，随后采用多通道融合的特征提取方式构建特征向量，输入设计的自注意力火焰识别模型中，通过梯度下降优化器进行小批量模型训练，降低迭代次数，最终获得最优特征权重参数，得到最佳识别模型。试验结果表明，该方法在模型训练时收敛较快，在火焰识别时相比未使用小样本学习的传统SVM算法，准确率提高了5%，因此能在小样本环境下有效提高火灾识别的准确度。     

审计师行业专长与分析师关注对研发操纵的影响——以高新技术企业为例

本文以2008—2018年A股上市高新技术企业为样本,以《高新技术企业认定管理办法》中关于研发费用占销售收入之比的要求作为界定研发操纵行为的工具,探究审计师行业专长与分析师关注对高新技术企业研发操纵的影响。结果表明,审计师行业专长与分析师关注分别与高新技术企业研发操纵行为显著负相关,且把两者放入同一模型时也得出类似结论。进一步分析表明,相比非国有企业,这种抑制效果只在国有高新技术企业中显著。     

基于图像处理的茶叶害虫智能识别方法研究

针对人工方法识别田间茶叶害虫需人工深入田间,不仅劳动强度大,而且无法自动定位与识别,不利于茶叶植保时施药的机械化、高效化及智能化的问题。本研究对基于图像处理技术的茶叶害虫智能识别技术及实现方法进行了研究。首先,建立覆盖茶园中各种情况的害虫样本图像库;其次,对样本图像和待识别图像进行图像预处理;接着,对待识别图像进行害虫自动定位;然后,对其进行特征提取获得特征数据;最后,采用模式识别算法设计分类器并训练获得分类器模型,再采用该模型进行害虫智能识别。本研究对各步骤进行了阐述,为茶叶害虫智能识别的实现提供了方法指导,以促进茶叶植保实现施药的机械化、高效化及智能化。     

基于深度卷积生成对抗网络的植物图像识别方法的研究

提出使用深度卷积生成对抗网络进行植物图像识别方法.首先,利用生成式对抗网络生成植物图像样本,然后,利用判别网络中的卷积神经网络来提取图像特征,实现对生成网络产生的样本进行判别,以提升模型对图像数据分布的理解,从而达到了通过构建卷积神经网络对生产样本的质量进行测试的目标.实验结果表明,该方法生成的植物图像能够有效的提高卷积神经网络的识别准确率.     

基于高斯核SVM的储层岩性识别——以东濮凹陷上古生界碎屑岩为例

针对储层岩性识别问题,以东濮凹陷上古生界碎屑岩为例,在分析测井资料的基础上,研究了高斯核支持向量机(support vector machine,SVM)算法,以若干口井中储层实际测井资料为样本建立模型,对上古生界碎屑岩储层进行岩性识别。模型的测试结果表明,在储层岩性识别中,高斯核SVM识别准确率较高,性能表现稳定,可作为测井岩性识别的一种有效技术手段。最后,利用训练完成的高斯核SVM模型成功识别出了M5井山西组泥质粉砂岩、粉砂岩、细砂岩、中砂岩和砾状砂岩这5种碎屑岩类。     

基于主成分分析和支持向量机的矿井水源判别

针对传统支持向量机法判别矿井水源准确率较低的问题,选取7种水化学成分指标作为矿井水源判别的指标,采用主成分分析(PCA)和支持向量机(SVM)相结合的方法建立PCA-SVM矿井水源判别模型。以山东盛泉矿业有限公司矿井太原组灰岩含水层和奥灰含水层的水化学特征中的27个样本进行训练和检验,并与传统的支持向量机模型结果进行比较,利用PCASVM模型对矿井水源进行判别,分类准确率由66.67%提高到83.40%。研究结果表明,利用PCA-SVM矿井水源判别模型能有效消除判别指标间的相关影响,判别率较高,引进主成分分析算法是必要的。     

基于支持向量机的会计信息失真识别研究

公司会计信息不仅是资本市场必不可缺的信息资料,也是政府宏观和微观管理国民经济的重要信息来源,会计信息真实性是其基础和保障,尤其重要。本文构建了支持向量机分类识别模型框架,并采用支持向量机(SVM)算法对会计信息进行失真识别。实验中,选取2007年至2016年国泰安数据库A股上市公司为样本,选取了25个财务指标和5个非财务指标作为研究变量,将Lib SVM用于样本预处理、训练和测试,以建立会计信息失真识别模型。结果表明所建模型对会计信息失真企业的正确识别率达到94.8%,具有很好的实践价值。     

房地产企业财务危机预警模型研究——基于主成分分析和Fisher判别法

本文以我国上市房地产企业为研究样本,通过主成分分析法和Fisher判别法的组合应用,对构建企业财务危机预警模型进行了实证研究。通过该模型,可以对企业未来1至2年的财务状况进行基本判别,从而有效帮助企业改善财务结构,规避财务风险。