|
|||||
|
|
| 基于离群点剔除的SVM信用风险评价方法 | |
| 作者姓名： | 刘颖 王丽敏 姜建华 赵成丽 张池军 孙铁铮 |
| 作者单位： | 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 |
| 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. |
| 关 键 词： | 信用风 离群点 模糊c-均值聚类算法 支持向量机 |
| 收稿时间： | 2016-05-17 |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 | |
| 点击此处可从《吉林大学学报(理学版)》下载全文 | |
