位置:成果数据库 > 期刊 > 期刊详情页
基于离群点剔除的SVM信用风险评价方法
  • ISSN号:1671-5489
  • 期刊名称:《吉林大学学报:理学版》
  • 时间:0
  • 分类:TP399[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]吉林财经大学管理科学与信息工程学院,长春130117, [2]吉林财经大学物流产业经济与智能物流重点实验室,长春130117, [3]吉林财经大学互联网金融省重点实验室,长春130117
  • 相关基金:国家自然科学基金(批准号:61402193;61572225)、吉林省教育厅“十二五”科学技术研究项目(批准号:2015410;2015412)、物流产业经济与智能物流吉林省高校重点实验室开放基金(批准号:201401)和吉林省社会科学基金(批准号:2015BS48).
中文摘要:

针对信用评价数据存在离群点和噪声问题,提出一种基于离群点剔除的支持向量机(SVM)信用风险评价模型.该模型利用模糊c-均值聚类算法剔除样本离群点,采用粒子群算法优化支持向量机分类参数,进而提高支持向量机的分类性能.将该方法应用于信用风险评价中的结果表明,相比于其他模型,该方法分类精度更高.

英文摘要:

Aiming at the problem of outliers and noise in credit evaluation data, we proposed a support vector machine (SVM) credit risk evaluation model based on eliminating outliers. This model used Fuzzy c-means clustering algorithm to eliminate the outliers. The classification performance of SVM was improved by optimizing the SVM classification parameters by using the particle swarm optimization algorithm. The results of applying the proposed method to the credit risk evaluation show that the classification accuracy is higher than other models.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《吉林大学学报:理学版》
  • 北大核心期刊(2011版)
  • 主管单位:教育部
  • 主办单位:吉林大学
  • 主编:裘式纶
  • 地址:长春市南湖大路5372号
  • 邮编:130012
  • 邮箱:sejuj@mail.jlu.edu.cn
  • 电话:0431-88499428
  • 国际标准刊号:ISSN:1671-5489
  • 国内统一刊号:ISSN:22-1340/O
  • 邮发代号:12-19
  • 获奖情况:
  • 在吉林省、教育部及全国优秀科技期刊评比中共获奖1...,2008年被评为"中国精品科技期刊", 并获教育部"第...,2009年获全国高校科技期刊优秀编辑质量奖,并被吉...,2008年和2009年连续两次获"中国科技论文在线优秀期...,2010年获教育部"第三届中国高校优秀科技期刊"奖
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,美国剑桥科学文摘,英国科学文摘数据库,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:6314