刘佳明 - 北京化工大学 - 经济管理学院

个人简介

教育经历 2007年9月-2011年6月，大连理工大学，工学学士（网络工程） 2011年9月-2014年5月，中国航天科技集团第710研究所，工学硕士（系统工程） 2015年3月-2018年10月，哈尔滨工业大学，管理学博士（管理科学与工程） 2017年11月-2018年2月，新加坡国立大学商学院，短期访学（机器学习预测方向）工作经历 2014年6月-2015年2月，中国航天系统科学与工程研究院，助理工程师 2018年11月-至今，北京化工大学经济管理学院，管理科学与工程系，讲师主讲课程：《数据分析与挖掘》、《Matlab基础与应用》、《Python数据处理技术》主持项目 2020-2022,“考虑企业关联和时序信息的财务危机预测串并联集成建模研究”. 国家自然科学基金青年基金项目 (71901014). 2019-2021,“社会网络视角下京津冀物流基地空间布局分析及功能联动机制研究”. 北京市社会科学基金青年基金项目 (19GLC062). 2019-2020,“基于多分类器自适应集成的财务危机动态预测模型研究”. 中国博士后科学基金面上资助二等资助 (2019M660427). 参与项目 2020-2024,“共享交通方式的运营管理理论与方法”. 国家自然科学基金重点项目 (71931001). 获得或申请专利 1、列出专利的所有发明人、名称、专利号（或申请号）、目前状态；2、请提供专利授权证书、公开文本或受理通知单。

研究领域

可解释性机器学习、预测理论与方法、复杂网络分析及其在交通物流中的应用；

近期论文

查看导师最新文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

Liu, Chong Wu*. Hybridizing kernel-based fuzzy c-means with hierarchical selective ensemble model for business failure prediction[J]. Journal of Forecasting, 38(2): 92-105, 2019. (SSCI). Jiaming Liu, Chong Wu*, Yongli Li*. Improving financial distress prediction using financial network-based information and GA-based gradient boosting method[J]. Computational Economics, 53(2): 851-872, 2019. (SSCI, SCI). Yongli Li, Sihan Li, Chuang Wei*, Jiaming Liu. How students’ friendship network affects their GPA ranking[J]. Information Technology & People, 33(2): 535-553, 2019. (SSCI). -2018年吴冲, 刘佳明*, 郭志达. 基于改进粒子群算法的模糊聚类-概率神经网络模型的企业财务危机预警模型研究[J]. 运筹与管理, 27(2): 106-114+132, 2018. (CSCD). -2017年 Jiaming Liu, Chong Wu*, Tianyi Su. The reference effect in newsvendor model with strategic customers[J]. Management Decision, 55(5): 1006-1021, 2017. (SSCI). Jiaming Liu, Chong Wu*. A gradient boosting decision tree approach for firm failure prediction: An empirical model evaluation study of Chinese listed companies[J]. The Journal of Risk Model Validation, 11(2): 43-64, 2017. (SSCI). Jiaming Liu, Chong Wu*. Dynamic forecasting of financial distress:the hybrid use of incremental bagging and genetic algorithm-empirical study of Chinese listed corporations[J]. Risk Management, 19(1): 32-52, 2017. (SSCI) G165可解释性机器学习、预测理论与方法、复杂网络分析及其在交通物流中的应用；