1、風險決策問題中風險主要由各種自然狀態(tài)發(fā)生的不確定性導致，因此影響風險決策結果的一個關鍵因素是各個自然狀態(tài)發(fā)生概率的估計預測值是否準確。論文從這一角度出發(fā)，研究如何利用集成學習理論方法對風險決策問題中自然狀態(tài)發(fā)生或發(fā)生概率進行準確地預測，以提高決策收益和降低風險損失，為管理實踐中風險決策者提供借鑒和參考。
　　首先，論文對風險決策與集成學習的相關研究文獻進行了綜述。通過對相關研究的歸納分析，可以發(fā)現(xiàn)：一、隨著管理決策者可以更加容易地

2、獲取和存儲大量數(shù)據(jù)，如何應用機器學習和數(shù)據(jù)挖掘，尤其是有監(jiān)督學習技術對數(shù)據(jù)進行學習分析，預測自然狀態(tài)的發(fā)生或發(fā)生概率，并基于此進行科學有效的決策已經成為了風險決策研究的一個重要領域；二、由于集成學習可以有效地提高學習的準確性和泛化性，因此將其引入風險決策問題中有利于提高自然狀態(tài)發(fā)生概率預測的準確性，從而改進風險決策的效果；三、在不同的風險決策問題中數(shù)據(jù)樣本具有不同的模式特征，根據(jù)“無免費午餐”定理，學習模型的性能表現(xiàn)在很大程度上取決于數(shù)

3、據(jù)樣本的模式特征，沒有哪一種學習模型能夠在所有問題上優(yōu)于其它模型。因此，論文對幾類典型的風險決策問題中存在的數(shù)據(jù)模式特征進行分析，并相應提出能夠提高自然狀態(tài)概率預測準確性的集成學習模型。
　　其次，針對海關查驗走私這一類樣本數(shù)量巨大，屬性取值差異巨大，但大多屬性的取值范圍較為集中的風險決策問題，論文分析了其中存在的數(shù)據(jù)特征及其對學習模型預測準確率的影響，并論述了已有研究對于該問題中數(shù)據(jù)預處理存在的問題。為了解決這些問題，論文提出了

4、一種動態(tài) K-均值聚類算法，根據(jù)聚類有效性指標對聚類得到的數(shù)據(jù)簇進行動態(tài)調整，以產生具有更高類內樣本相似度和類間樣本差異度的聚類結果。在此基礎上，論文建立了基于動態(tài) K-均值聚類和邏輯回歸的風險決策模型，并將所提出的風險決策模型應用于實際的海關查驗走私問題。實證研究和對比分析結果說明論文提出的風險決策模型能夠有效提高海關的查驗命中率，對于海關提高走私監(jiān)管效率具有較好的理論指導意義和實際價值，也為管理實踐中數(shù)據(jù)量巨大、各個屬性取值多樣化的

5、風險決策問題提供了一種有效的解決方法。
　　再次，針對消費者信用風險評估這一風險決策問題，論文提出了一種基于有監(jiān)督聚類的集成學習模型，以解決已有研究采用單一學習模型或基于隨機抽樣的集成學習模型進行概率預測所存在的問題。為了對消費者群體中存在的多種行為模式特征進行刻畫以提高集成學習中各個基學習器的個體性能和差異性，論文提出通過有監(jiān)督聚類將各個類別的數(shù)據(jù)樣本劃分為若干子集合，并對不同類別的子集合之間進行組合得到訓練樣本子集合，進而在每

6、個子集合中建立對應的基學習器。對于一個未知類別的數(shù)據(jù)樣本，以各個基學習器在該樣本的近鄰訓練樣本中的性能作為權重進行加權集成。通過在基準數(shù)據(jù)集和實際數(shù)據(jù)集上進行計算實驗和對比分析，說明論文提出的模型能夠克服已有研究中單一學習模型的不穩(wěn)定性，并產生差異性較大的基學習器，可以有效提高信用評估準確率，降低授信方決策風險，為銀行和信貸機構提供有效的決策支持。
　　最后，在一些風險決策問題(如數(shù)據(jù)庫營銷、保險欺詐、信用欺詐等)中存在明顯的類別

7、不均衡問題，即目標客戶數(shù)量遠低于非目標客戶數(shù)量。另一方面，管理決策者不僅需要學習模型給出對目標客戶的準確預測，還需要模型具有較高的解釋性以提供進一步的決策支持。針對這兩個問題，論文提出了一種基于關聯(lián)分類規(guī)則的集成學習模型。模型首先對多數(shù)類(非目標客戶)進行聚類分析以更好地分析該類客戶中存在不同行為模式特征的客戶子群體，并將各個客戶子群體(數(shù)據(jù)簇)與少數(shù)類(目標客戶)進行組合產生訓練樣本子集合，然后通過關聯(lián)分析分別提取目標客戶和非目標客戶