一种基于泊松估计的可控特征选择算法

特征选择是文本分类的关键技术之一.本文提出一种基于泊松估计的可控特征选择算法,该算法以基于泊松假设估算的文档频率作为衡量特征语义信息的依据,以通信领域中的信息率失真理论作为可控特征选择的思想来源.在Reuters-21578新闻语料上进行的实验结果表明,基于泊松估计的特征选择算法性能优于基于语义的WN算法和同样基于统计的IG、Chi2等算法;在以特征漏选率作为信息率失真函数的前提下,设定分类算法分类指标下限值,则可以通过改变特征漏选率得到任意的分类精度值.实验表明本文算法在与相关算法的对比中存在优势.算法思想来源于通信领域中的信息率失真理论,也是一种在领域融合方面的崭新尝试.     

基于PEP-H四要素模型的科技型企业遴选方法研究——以国内A股上市企业为例

本研究以相关政策文件和事实数据为基础构建了一种基于PEP-H四要素模型的科技型上市企业遴选方法,并以全部A股上市企业为遴选样本,借助企业市场竞争力评估模型进行实证研究发现,相较于非科技型上市企业,本方法所遴选的科技型上市企业整体上具备相对更高的收益水平、更快的资产增长速度,以及更强的财务稳定性和抗风险能力,但仍然与国家级高新技术上市企业存在一定差距。在国家级高新技术企业中,又以通过核心要素遴选的企业具备更强的综合市场竞争力。以上研究结果均表明,本研究所提出的科技型上市企业遴选办法是简单、科学且有效的。