关键词： 路面监测与分析   最新的研究进展   埋入式传感器   图像处理技术   机器学习方法  

摘要： 在现代交通系统中,道路作为车辆和行人使用频率最高的民用基础设施之一,其服役状况和使用寿命直接影响通行体验和效率。因此,在路面发生不可逆损伤之前进行路面健康监测和及时养护,对于保障公共交通服务质量以及通行安全至关重要。通过路面结构动力响应监测和路面状况评估可有效表征路面损伤状况。埋入式传感器、图像处理和机器学习是目前常用的三种路面结构动力响应监测技术和分析方法。本文综述了近年来上述三种技术在路面工程中的应用现状,并阐述了这些技术在未来路面工程监测与分析中的发展方向。

关键词： 多输入多输出技术   期望传播算法   矩匹配   机器学习方法   近似计算  

摘要： 多输入多输出(MIMO)技术可以成倍地提升通信系统的频谱利用率,在应对现今社会呈指数式增长的无线接入需求上发挥着重要作用。自MIMO技术问世以来,低复杂度高性能的信号检测算法一直是科研工作者和工程师们的研究热点。期望传播(EP)是一种专门解决后验概率估计的算法,在解决通信系统信号检测上有广泛的应用。本文的研究重点为基于期望传播的MIMO信号检测算法。期望传播算法是一种迭代更新的确定性概率近似算法,首先选取可因子化的近似分布,通过并行更新各因子项,在迭代过程中逐步收敛到最佳近似。将期望传播应用到MIMO检测中时,一种情况下可以使用贝叶斯公式直接计算发送符号的联合近似后验分布,而另一种情况下只需要计算符号分量的边缘近似后验分布,因此本文重新推导了两种基于期望传播的MIMO信号检测算法。为方便区分,将上述两种算法分别记为联合后验期望传播算法(Joint posterior probability Expectation Propagation,JEP)和边缘后验期望传播算法(Marginal posterior probability Expectation Propagation,MEP)。JEP算法在大系统条件下被证明是贝叶斯最优的,但是在实际应用中存在最优性无法取得从而限制性能的问题;另外MEP算法的迭代过程中存在大量除法运算是限制其实际应用的主要障碍。鉴于JEP和MEP算法存在的缺陷和问题,本文提出了如下三方面的创新:1.针对JEP算法收敛错误率高和实际MIMO系统下算法最优性无法取得的问题,改进的矩匹配方案充分利用了EP算法的自纠错能力,有效降低了算法的错误收敛率;另外,通过分析两项关键参数(初始方差和震荡因子)对JEP算法收敛速度和检测性能的影响,借助机器学习方法选择每次迭代的最佳参数。最后,仿真结果表明本文方法取得了更优异的检测性能和稳定性。2.为了消除矩阵逆运算带来的高计算复杂度,本文重新推导了近似联合后验概率期望传播算法(Approximated JEP,AJEP)。AJEP算法消除了迭代过程中的矩阵求逆,但是零值初始化时存在收敛速度慢甚至不收敛的问题。为了充分利用零值初始化方案的超低计算复杂度,采用基于机器学习的参数选择方案。仿真结果表明上述关键参数优化有效解决了AJEP算法的收敛问题,并且以更低的计算复杂度取得了超越MMSE检测器的误符号率性能。3.为了消除MEP算法中大量的除法运算,本文提出了一种基于数值近似的低复杂度边缘后验期望传播算法(Approximated MEP,AMEP)。AMEP使用被除数移位相加的近似除法方案和一种忽略极小值的先验信息近似更新方案。得益于EP算法的近似特性,采用上述两种近似计算方案的AMEP算法在MIMO系统收发比值较大的时候相比于MEP算法最大性能损失不到1dB,但是总体计算复杂度不到MEP算法的20%。

关键词： 众包   深度学习   主动学习   专家验证  

摘要： 机器学习需要大量的有标记数据,而标注数据通常需要人工参与,耗时耗力代价昂贵。如何降低训练满足精度要求的机器学习模型所需的标注代价是机器学习领域中的研究热点。主动学习通过询问最具信息量的数据标记,能够用尽可能少的有标记数据得到尽可能好的模型,从而降低标注代价。这些需要主动学习询问标记的数据如果采用人工标注,标注代价仍然很高。众包是一种廉价的数据标注方式,但由于雇员水平参差不齐,标记质量较低,需要利用专家验证进一步提高标记质量。本文围绕能够降低标注代价的主动学习与专家验证方法进行研究,取得了以下进展:1.提出了一种基于局部与全局信息的主动学习方法。该方法基于样本与其近邻的模型输出差异估计样本的局部信息,通过将数据划分为不同的聚簇利用样本的全局信息,并根据模型在不同聚簇上的表现动态分配标注预算。实验结果表明该方法能够有效地减少模型训练所需的有标记数据。2.提出了一种基于协同标注的专家验证方法。该方法结合标记推断与模型学习构建协同标注框架,通过标记推断为模型提供伪标记数据,同时利用模型预测更新标记推断的结果,进而利用专家验证标记推断与模型预测不一致样本的标记。实验结果表明该方法能够降低需要专家验证的标记数目。

关键词： 电子温度预测   锁模分类识别   J-TEXT托卡马克   神经网络   聚类分析  

摘要： 托卡马克等离子体信息的获取需要各种诊断系统,然而在强电磁辐射环境中诊断系统的正常运行会遇到严峻挑战。如某个诊断系统故障而无法探测到等离子体内部对应信息,这将极大影响等离子体的物理研究。诊断系统信号是对等离子体信息的多方位映射,其间存在着各种联系。因此,可借助其他诊断信号推测缺失的诊断信息,消除对物理研究的影响。本文运用机器学习研究等离子体参数之间的拟合关系,借助其他常规诊断信号在J-TEXT装置上进行了等离子体电子温度估算的模型研究,以弥补测量电子温度的诊断信号缺失造成的研究影响。在此研究基础上,本文还运用各类诊断信号和机器学习对锁模等现象进行自动分类与识别标记的模型研究,将有助于充分挖掘等离子体内部联系和进一步研究磁流体不稳定性(Magnetohydrodynamic instability,MHD)的物理机理。本文分析了等离子体诊断信号与电子温度之间的联系,运用全连接的反向传播神经网络(Back Propagation Neural Network,BPNN)和广义回归神经网络(General Regression Neural Network,GRNN)以电子回旋辐射测量或弯晶谱仪(X-ray Imaging Crystal Spectrometer,XICS)探测的电子温度为输出目标,其它等离子体诊断信号(软X射线辐射强度、电子密度、等离子体电流、环路电压以及环向磁场强度等)为输入参数,训练并完成参数设置,实现了电子温度的估算及其剖面的重建。此外,也进行输入等离子体参数对电子温度的敏感性分析。基于BPNN的模型可通过等离子体基本参数实现电子温度的预测,甚至对部分MHD引起的电子温度扰动信号(如锯齿振荡)也能获得很好的预测结果,平均误差在5%以内。基于BPNN、GRNN分别训练了多个预测不同径向位置电子温度的网络模型,以此重建了电子温度剖面。对比了两种神经网络对电子温度的预测效果,BPNN对电子温度的扰动信息预测效果较好,GRNN对平衡温度信息预测速度较快。因此,该方法验证了等离子体诊断信息存在关联,即可通过神经网络算法实现诊断信号之间的预测,即使相关诊断发生故障而无法提供有效信息,仍然可借助机器学习实现等离子体关键信息的获取,为等离子体信息获取提供支持。本文研究了等离子体诊断信息与磁流体不稳定性之间的联系,运用聚类分析和支持向量机(Support Vector Machine,SVM)算法实现了等离子体内MHD行为的自动分类识别。利用无监督式学习的K-均值、层次聚类算法模型,研究了各种诊断信号对等离子体内MHD行为的分类识别效果;选择以磁扰动、软X射线辐射和电子密度等信号为输入参数,实现了对等离子体内锁模、穿透、锯齿振荡、撕裂模等现象的实时分类识别与自动标记,正确率达95%以上。同时,本文还运用监督式学习训练了SVM算法模型,对锁模现象进行识别和分类,正确率达到94%以上。因此,该方法实现等离子体中各种MHD现象的准确分类识别与标记,有助于未来对锁模、穿透、锯齿震荡等物理现象的深入研究。本文基于等离子体内部信息及诊断信号之间的关联性,借助机器学习对J-TEXT装置中的等离子体电子温度预测、MHD现象分类等方面进行研究,并获得了较好的预测与分类识别结果。该方法将有助于深入开展相关物理分析,为J-TEXT装置的聚变研究提供有效助力。

关键词： 大豆基因组缺失   K近邻填补算法   软填补算法   随机森林填补算法   全基因组关联分析  

摘要： 基因芯片技术是一种能够对大量基因进行快速测量的分子生物学手段,可以在不同条件下同时获得成千上万个基因的表达水平,具有高通量的特点,又称为DNA微阵列技术。其主要过程是在一块带有DNA微阵列涂层的特殊玻璃片上安装数千或数万个核酸探针进行检测分析,由于同时将大量探针固定在基片表面上,因此可以一次性获得样品的大量基因序列,并对其进行检测和分析,在生物学和医学研究等方面具有多种不同的应用价值,为探索生命科学提供了强有力的工具。然而基因芯片实验中由于种种因素,容易受到机械原因和人为原因的限制而导致数据缺失,从而影响实验结果的分析。数据的缺失最终会影响研究结果的准确性,为了解决这一问题,需要采取合适的方法对缺失数据进行恰当的处理。目前通用的处理方式有重复测序与缺失填补两类。然而在实际分析中,重复测序由于存在操作过程复杂、实验费用高昂、耗时长、准确率和可靠性低等问题,导致该方法并不可取,同时由于缺失填补能够快速处理数据缺失,且具有操作过程简单、费用较低、准确性和可靠性高等优点,逐渐成为数据填补的主要解决方法。通过查阅大量的相关文献,发现虽然目前主流的缺失填补方法很多,但并未有一种较为恰当的方法适用于大豆基因组数据,因此本文以大豆株高与叶面积两组性状的基因组基因型数据为研究对象,进行5%、10%、20%不同缺失比例的人为数据缺失处理,分别运用机器学习中的K近邻填补(KNNimpute)算法、软填补(Soft Impute)算法和随机森林(Random Forest)填补算法对大豆基因组缺失数据进行填补,分析大豆基因型数据填补后的准确性和可靠性。为了验证算法填补的准确性和可靠性,利用sim Frame2.0工具随机缺失大豆的全基因组测序数据,采用三种机器学习算法填补缺失的基因型数据,通过均方根误差(Root Mean Squared Error,RMSE)评判机器学习算法的填补效果,并记录算法的运行时间与运行内存。引入GLM一般线性模型和MLM混合线性模型,运用遗传统计学工具GAPIT进行全基因组关联分析(genome-wide association study,GWAS),对比填充后的大豆基因组数据与对应的表型性状之间的差异,根据模型计算结果得出分析图表,判断填充前后影响大豆性状的关键因素是否一致,最后依据均方根误差与GWAS结果验证三种机器学习算法填补的准确性与可靠性,分别对比填补后的数据和原始数据的分析效果。说明不同机器学习方法在不同缺失程度的填补需求下的适用性。最后结合以上研究结果,以HBuilder为平台,使用HTML5和Python语言,根据系统的需求以及可行性进行分析,基于My SQL数据库设计出基于多种机器学习方法的大豆基因组数据填补系统,为在不同精准性和性能的情况下如何对大豆基因组数据进行填补提供精准的参考与指导。

关键词： 高频数据   已实现波动率   外部变量   EEMD分解   XGBoost模型  

摘要： 股票市场作为一国经济的“晴雨表”,可以实现资源的合理化配置和充分利用,投资者可以在股票市场中获得可观的收益。然而,风险与收益并存,如何实现股票市场风险的良好管理,是一个不容忽视的问题。除此之外,股票市场受多种因素的影响,外部变量对股市波动的影响同样不容忽视。迄今为止,异质自回归(HAR)模型是基于高频数据的波动率建模研究中最经典的模型之一,许多学者基于该模型提出了很多改进,如简单地将它分解为连续的路径变化和不连续的跳跃路径变化进行研究。然而,已实现波动率是一个非常复杂的非线性时间序列,这种简单的分解很难理解其变化规律,这不利于我们对其进行分析和建模。而集合经验模态分解方法(EEMD)不仅可以从序列中自适应地选择波动特征,而且对于非线性时间序列分解具有鲁棒性。此外,HAR模型本质上是一个线性模型,它使用线性模型对已实现波动率进行建模,忽略了其非线性特质,而XGBoost这种机器学习方法具有优秀的非线性拟合能力,且因其优良的学习效果等优点获得广泛的关注。基于上述背景,本文详细阐述了研究背景、研究意义和相关的研究现状和理论基础之后,对于已实现波动率的短期、中期和长期预测问题分别提出了基于EEMD-XGBoost预测模型。在实证研究中,首先对2015年1月5日至2020年12月25日上证指数的已实现波动率序列进行EEMD分解,并根据零均值显著性检验结果对分解序列进行重构,然后针对已实现波动率的短期、中期和长期预测问题,将不同的重构序列与已实现波动率的原始序列作为输入变量,分别拟合XGBoost模型,并与EEMD-HAR模型对比预测效果。此外,还将经济政策不确定性指数(EPU)和恐慌指数(VIX)作为外部变量研究了其对已实现波动率的影响,主要结论如下:(1)将序列进行EEMD分解,并以零均值显著性检验重构得到的序列中,低频序列有明显的趋势性,这与其原始序列的走势大致相同,这表明低频序列应该包含更多的预测信息;趋势项则体现的是已实现波动率的整体走向,这证明了EEMD分解方法的有效性。(2)将经过EEMD分解重构的序列与已实现波动率的原始序列作为输入变量拟合XGBoost预测模型,并将其预测效果与EEMD-HAR模型对比后发现,对于每日、每周和每月已实现波动率的预测效果,EEMD-XGBoost模型均显著优于EEMD-HAR模型。(3)关于外部变量对已实现波动率的影响,结果表明经济政策不确定性指数(EPU)和恐慌指数(VIX)对于每日和每周已实现波动率的预测效果提升不明显,而对于每月已实现波动率的预测效果有明显的改善,这表明EPU指数和VIX指数对已实现波动率更倾向于长期的影响。

关键词： FMCW   行为识别   高斯混合聚类   多帧融合平均   残差网络  

摘要： 人体行为识别技术在智能监护和生物医学研究等领域极具应用前景,该技术利用特定设备或手段,对人体的活动状态进行判定。基于雷达的人体感知技术因其具有隐私保护性好、距离分辨率及测量精度高且不惧遮挡等技术优势成为当前人体行为识别的主流技术之一。本文对基于调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达的人体行为感知技术进行研究,设计了一个实现室内人体定位及双人场景下的行为识别的感知系统,具体研究工作概述如下:(1)研究了基于FMCW雷达的室内人体感知的实现方案。首先分析了FMCW雷达的距离、速度和角度的检测原理,并结合室内应用环境的特点,研究了多径干扰的消除方法,给出了使用背景消除算法去除静态干扰,以及采用2维恒虚警率(Constant False-Alarm Rate,CFAR)检测算法滤除动态多径干扰信号的实现方案。最后,结合德州仪器公司的IWR1443毫米波雷达开发板搭建了一个室内人体感知系统,对上述多径干扰消除算法进行验证,并分析了CFAR中各种参数设置对人体定位精度的影响,实测结果表明该方法能够实现室内人体定位,并有效地消除室内多径干扰对人体活动检测精度的影响。(2)研究室内人体感知系统中雷达点云数据的处理方法。为了实现双人点云的区分,针对传统的高斯混合模型存在的对随机选取的初始聚类中心敏感导致聚类结果不稳定的问题,提出一种基于对数似然函数的优化算法对传统模型进行改进,改进后的高斯混合模型在保证实时性的同时提升了聚类的稳定性,能够较好地将两个人的活动点云区分开。在此基础上,针对雷达帧内稀疏多反射点的特点,数据率的高低将影响系统的准确度与实时性,采用多帧融合取均值代表点的方法,在提高准确率的同时保证算法的实时性。(3)研究了室内人体感知系统的行为识别方案。首先采用基于传统机器学习的方法,通过分析跌倒、坐下、行走三种动作的特点,提取具有辨识力的特征输入随机森林分类器中,获得了良好的分类效果,并实现了识别准确率不受目标具体位置及动作发生方向的影响。此外,针对传统机器学习存在手工提取特征参数过程繁琐的问题,进一步提出了基于深度学习残差网络模型的行为识别方法,通过分析比较,优化数据的最佳的插值尺寸、学习率以及优化器,达到较为理想的识别效果。

关键词： 乳腺肿块   形状   边缘   机器学习   深度学习  

摘要： 目的:采用基于影像组学特征的机器学习（Machine Learning,ML）方法作为基线和对比研究,验证基于深度卷积神经网络（Convolutional Neural Network,CNN）的人工智能方法对乳腺肿块形状和边缘进行自动分类的可行性。方法:回顾性收集596例乳腺肿块患者的乳腺钼靶X线图像。根据乳腺影像报告数据系统（Breast Imaging-Reporting And Data System,BI-RADS）指南,对每个肿块的形状和边缘进行手动标记。以残差网络Resnet 50（Residual Networks,ResNet）为基础主干,基于深度CNN的人工智能技术进行形状和边缘自动分类,采用平衡采样器（Balanced Sampler,BS）和卷积块注意模块（Convolution Block Attention Module,CBAM）对深度CNN的性能进行改进。作为对比,首先提取图像的影像组学特征,然后采用主成分分析（Principle Component Analysis,PCA）、核主成分分析（Kernel Principle Component Analysis,KPCA）、独立成分分析（Independent Component Analysis,ICA）、因子分析（Factors Analysis,FA）四种降维方法和决策树（Decision Tree,DT）、支持向量机（Support Vector Machine,SVM）、K-近邻算法（K Nearest Neighbor,KNN）、随机森林（Random Forest,RF）、多层感知器（Multilayer Perceptron,MLP）五种经典分类器进行分类。基于Python编程软件,运用准确度（Accuracy,Acc）评价模型的性能,选择Acc最高的模型。结果:在基于影像组学的ML对肿块形状分类检测中,PCA+MLP组合的Acc为0.80,KPCA+MLP 组合的 Acc 为 0.75,ICA+SVM、ICA+RF 组合的 Acc 均为 0.77,FA+MLP组合的Acc为0.69;基于影像组学的ML对肿块边缘分类检测中,PCA+RF、KPCA+RF、ICA+SVM、FA+RF 组合的 Acc 分别为 0.64、0.67、0.60、0.68。肿块形状在 3 种不同深度学习模型（Resnet50_ori,Resnet50bs,Resnet50bscbam）的混淆矩阵Acc分别为0.8559、0.8649、0.8739;肿块边缘在3种不同深度学习模型（Resnet50_ori,Resnet50bs,Resnet50bscbam）的混淆矩阵 Acc 分别为 0.7658、0.7928、0.8378。结论:基于深度CNN的人工智能方法能准确地进行乳腺肿块形状和边缘的自动分类,可望进一步应用于乳腺钼靶的辅助影像诊断。

关键词： 重性抑郁障碍   双相障碍   静息态功能磁共振技术   机器学习   逻辑回归  

摘要： 目的:重性抑郁障碍(Major depressive disorder,MDD)和双相障碍(Bipolar disorder,BD)是两种致残、致死率较高的情感障碍。当BD以抑郁为首发症状时,两种情感障碍鉴别诊断困难。对MDD患者进行随访可以从主观症状学角度对两种疾病进行早期识别,静息态功能磁共振技术(Resting-state functional MRI,rs-f MRI)则可以从客观角度为两种疾病的识别提供神经影像学标记。既往研究提示两种疾病常表现为多个脑区的功能差异,对两种疾病的大脑网络进行研究或许更有助于阐明两种疾病的神经影像学机制,其中基于体素水平的度中心度(Voxel-wise degree centrality,DC)是描述功能网络节点重要性最直接的度量指标,它可以敏感检测两种疾病的功能差异并具有较高的重测信度。因此,联合随访和DC方法进行研究将为MDD和BD的早期识别提供研究基础。但目前研究结果尚不能直接应用于临床,而机器学习方法则可以通过训练数据集,建立一个能够区分不同个体的模型,并将该模型应用于新的数据集进行分类或预测,为研究结果向临床应用转化提供了可能。因此,本研究首先通过对MDD患者和BD患者联合应用随访和rs-f MRI,探索MDD和BD各自特异性、素质性的神经影像学机制,为两种疾病的早期识别提供神经影像学研究基础;之后基于机器学习方法使用DC特征,建立分类性能最佳的MDD-BD分类模型,并将该模型应用于新的数据以测试该模型早期识别缺乏主观确诊症状患者的能力。方法:在基线收集MDD患者和BD患者并扫描rs-f MRI,之后对MDD患者进行2年以上的随访,将随访过程中出现了躁狂或轻躁狂症状的患者纳入转相前BD患者组,从未出现躁狂或轻躁狂症状的患者继续纳入MDD患者组。最终纳入BD患者128名(其中转相前BD患者33名),MDD患者110名(其中33名与转相前BD患者年龄、性别、学历相匹配)以及与转相前BD患者年龄、性别、学历相匹配健康对照(Healthy control,HC)40名。采集所有受试者的年龄、性别、学历、病程、用药情况、汉密尔顿抑郁量表(17项)(17-item Hamilton Rating Scale for Depression,HAMD-17)总分、汉密尔顿焦虑量表(Hamilton Anxiety Scale,HAMA)总分、杨氏躁狂评定量表(Young Mania Rating Scale,YMRS)总分。使用SPSS 24.0软件对所有受试者的人口学和临床资料进行统计分析。采用基于Matlab软件平台的DPARSFA软件包对rs-f MRI数据进行预处理,采用DPABI4.2软件对预处理后的rs-f MRI数据进行统计分析。研究分为两部分,第一部分比较MDD患者、转相前BD患者和HC之间的DC差异;第二部分首先比较明确诊断的MDD患者和BD患者之间DC差异,其次采用基于Scikit-Learn的Easylearn软件调用逻辑回归分类器,将存在统计学差异脑区的DC作为分类特征,建立MDD-BD分类模型,并使用5折交叉验证对模型进行验证;最后将模型应用于独立的测试数据集(转相前BD患者和MDD患者)。结果:1.第一部分包括33名MDD患者、33名转相前BD患者以及40名HC,三组受试者的年龄、性别、学历之间无统计学差异(P>0.05)。影像数据结果显示三组受试者主要在右侧枕中回、右侧颞上回、右侧颞中回、右侧顶下回、右侧缘上回、右侧中央后回、右侧额上回、右侧额中回、右侧三角部额下回的DC值存在的统计学差异(P<0.05,GRF校正)。提取以上脑区的DC值进行事后检验,结果显示,与HC和转相前BD患者相比,MDD患者在右侧枕中回、右侧颞上回、右侧颞中回脑区的DC值减低(P<0.05),HC和转相前BD患者在以上脑区的DC值无统计学差异(P>0.05);与HC和MDD患者相比,转相前BD患者在右侧顶下回、右侧缘上回、右侧中央后回脑区DC值增高(P<0.05),HC和MDD患者在以上脑区的DC值无统计学差异(P>0.05);与HC相比,MDD患者和转相前BD患者在右侧额上回、右侧额中回、右侧三角部额下回脑区的DC值增高(P<0.05),MDD患者和转相前BD患者在以上脑区的DC值无统计学差异(P>0.05)。2.第二部分包括77名MDD患者和95名BD患者,两组患者的年龄、性别、学历之间均无统计学差异(P>0.05)。影像数据结果显示MDD患者和BD患者在双侧额上回、双侧内侧额上回、双侧眶部额上回、双侧额中回、右侧眶部额中回、双侧岛盖部额下回、双侧三角部额下回、双侧眶部额下回、双侧内侧眶额回、双侧中央前回、双侧补充运动区、双侧中央沟盖、双侧中央旁小叶、双侧顶上回、双侧顶下回、双侧缘上回

关键词： 机器学习   Fama-French三因子模型   系数函数   聚类分析  

摘要： 我国的证券市场在改革开放的伟大历史进程中获得了长足发展,从2009年创业板的正式推出到2019年推出科创版并试点注册制,我国已完成了多层次资本市场的建立,国内资本市场也进入了加速换挡的新周期。基于证券市场的重要地位,资产的定价问题长期以来都是投资分析的热点问题。有效的资产定价模型对于开展资产配置、风险管理以及投后评估等研究具有重要意义。其中,股票回报率的影响因素备受学者们关注。Sharp提出的现代金融市场价格理论的支柱一——CAPM模型,反映了当市场处于均衡状态时,单个证的券收益率与市场组合收益率两者之间的定价关系,具有很强的理论意义,但在实证结果的解释方面却力不从心。为弥补这一缺陷,Fama&French提出了著名的三因子理论,指出市场风险因子、市值因子、账面市值比因子对超额收益率的解释能力比CAPM更为显著。之后不断有学者对该模型进行优化与改进,使其焕发出新的生机与活力。本文改变传统研究中对三因子模型中的因子进行补充的思路,提出对三因子模型的因子系数进行改进与优化。首先,将三因子模型的因子系数从常数优化为时变函数,并进行理论推导。其次,基于2000年至2019年间中国资本市场的真实月度数据对因子模型中的系数函数进行估计与刻画,证实了因子的系数函数存在的合理性与有效性,有利于提高因子模型对证券市场的超额收益率的解释能力,构建更适用于中国市场的三因子模型。最后,基于求得的三因子模型中的三类系数函数,对股票间成对距离进行度量,并使用机器学习中的组群识别聚类算法对证券进行分类,减小在构建投资组合时挑选股票的工作量,为投资者的投资决策提供理论依据与数据支持。本文的主要研究结论如下:(1)三因子模型中的因子系数是随时间变化的。将三因子模型中的系数优化为一个随时间变化的函数更符合中国股票市场的实际情况;(2)每个股票的系数函数形态各异,包括常数型,也有斜线型、曲线型、以及震荡型,故因子系数函数在时间序列上的变化情况因股票的不同而有所不同。(3)三因子模型中的三大因子(市场风险因子、市值因子以及账面市值比因子)对于不同股票的超额收益率的解释力度存在差异,且这三个因子对某一既定股票的超额收益率的解释力度也是随着时间的变化而变化的,所以在国内因子模型适用性研究领域会因为样本股票选择的不同和研究时段的不同而产生结论上的差异。(4)优化后的三因子模型可被广泛地应用于股票分类当中,并可通过组群识别聚类算法简化投资组合的构建过程。