基于遗传神经网络的个人信用评估模型的研究

针对当前传统个人信用评价体系中的种种问题,提出了一种基于遗传神经网络(GA-NN)的个人信用评估模型.利用BP神经网络(BPNN)的自学习、自适应、强容错性,并通过遗传算法(GA)优化BP神经网络的连接权重和阚值.弱化了评价中的人为因素,提高了评价结果的准确性和权威性,解决了BP神经网络存在落入局部最小点和收敛速度慢的问题.实例研究表明,遗传神经网络的评价模型是令人满意的.     

基于C4.5算法优化SVM的个人信用评估模型

支持向量机作为非参数方法已经广泛应用于信用评估领域.为克服其训练高维数据不能主动进行特征选择导致准确率下降的缺点,构建C4.5决策树优化支持向量机的信用评估模型.利用C4.5信息熵增益率方法进行属性选择,减少冗余属性.模型通过网格搜索确定最优参数,使用F-score和平均准确率评价模型性能,并在两组公开数据集上进行验证.实证分析表明,C4.5决策树优化支持向量机的信用评估模型有效减少了数据学习量,较于传统各类单一模型有较高的分类准确率和实用性.     

基于支持向量机集成的个人信用评估研究

信用评估模型的优劣会对信贷机构损益和金融市场秩序产生直接的影响，为提升个人信用评估模型的精度，将集成方法应用到信用评估领域，提出改进DS证据理论的支持向量机集成个人信用评估模型，并将属性约减纳入建模过程中。利用C4.5决策树约减冗余属性，并根据数据集类别标签和支持向量机混淆矩阵，后验概率构造证据理论概率赋值函数。计算基于分类器间支持度的权重与专家权重修正由于训练过程受到干扰而产生的冲突证据。通过DS融合做出最终决策。实证分析探讨了该方法的优越性和可行性，可成为一种有效信用评估工具。     

基于改进的SVDD算法的个人信用评估

针对商业银行的信用评估问题,笔者在现有的SVDD算法基础上提出了一种新的个人信用评估方法——改进的SVDD算法。笔者首先详细介绍了此算法的理论知识以及一些推导过程,然后通过案例验证了该算法的可行性和有效性,结果表明改进的SVDD算法效果较好。     

基于支持向量机的个人信用评估

银行系统使用许多方法去对个人贷款申请进行评估。支持向量机(SupportVectorMachines,SVMs)是一个很有前途的新技术,文章将支持向量机应用到信用评估中,和古典技术K最近邻法相比得到了比较好的结果。     

高炉焦炭质量的GA-SVM模型预测

焦炭的质量对高炉冶炼的生产有着重要的影响,为保证焦炭质量产量的稳定以及优化焦炭质量,针对线性回归预测方法难以解决配合煤与焦炭质量指标之间的非线性问题,通过分析焦炭质量影响因素,提出了一种基于GA-SVM模型的焦炭质量预测,解决了模型中惩罚因子C、基函数参数σ和不敏感损失参数ε难以确定的问题.最后基于某炼焦企业数据进行仿真实验,与BP神经网络预测比较,结果表明优化后的GA-SVM模型具有较高预测精度,对焦炭生产具有一定的应用价值.     

基于GA-SVM的企业财务困境预测

通过遗传算法结合支持向量机算法中期望风险边界,对我国上市公司财务数据进行特征提取,并优化构造广义最优分类超平面,从而获得具有较好整体预测性能的联合模型。数值实验表明,该方法可以降低特征空间维数,具有较好的分类准确率。实证结果表明,GA-SVM联合预测模型具有可靠的预测财务困境能力,有着良好的应用前景。     

基于神经网络规则抽取的个人信用评估模型研究

摘要：本文针对传统个人信用评估体系中的不足,提出了一种基于神经网络规则抽取的个人信用评估模型。通过对已经训练好的人工神经网络隐层激活值进行聚类分析,减少搜索空间,进而抽取出理解性好、简洁的符号规则。从而产生一组可理解的描述,这组描述能最大限度的模拟已经训练好的原神经网络的推理预测行为。使得评价中的人为因素得到弱化,克服了神经网络在个人信用评估中的“黑箱”性缺陷,增强了模型的稳健性：和可理解性。     

基于GA-CFS属性选择的个人信用评估模型

属性选择可以有效减少数据的冗余度和降低数据的维度,将GA-CFS属性选择方法引入个人信用评估中,利用CFS评价得到的启发式"价值"作为GA的适应度函数来对个人信用指标体系优化,建立了基于GA-CFS属性选择的个人信用评估模型.在Australian数据集上比较了ID3、NB、Logistic、SMO与GA-CFS属性选...     

基于启发式GA-SVM的手写数字字符识别的研究

数字字符识别技术是图像处理领域中的一个重要研究方向,并且在社会经济生活的许多方面有着越来越广泛的应用.预处理是手写数字识别中重要的一个环节,它的优劣直接关系到识别算法的性能.文中提出了一种改进后的数字字符识别处理方案.该方案首先对输入的数字字符图像进行预处理,然后使用大津法进行全局图像阈值选取,通过阈值处理将灰度图像转化为二值图像.最后利用libsvm加强工具箱和启发式遗传算法进行手写数字的识别.实验结果显示该方法提高了识别数字的准确度.     

基于GA-SVM的心脏病诊断模型

心脏病是一类高发病率、高死亡率的疾病,及时且准确地诊断心脏病有利于为患者争取更多的治疗时间,提高患者的康复概率并减少危险。选用UCI提供的心脏病数据集作为实验数据,提出了基于遗传算法（Genetic Algorithm,GA）优化支持向量机（Support Vector Machine,SVM）的心脏病诊断模型GA-SVM。实验结果表明,GA-SVM的分类准确率较高,相较于其他机器学习模型而言具有更强的预测与泛化能力。     

支持向量机在信用卡信用评估的应用

信用卡业务现在是银行很重要的资产业务,构建一个适用的个人信用评估模型十分重要。基于近年来在智能学习系统领域发展起来的新理论．引入小样本学习的通用学习算法——支持向量机（SVM）,建立了个人信用评估模型,通过与神经网络模型的比较．证实了该方法用于信用卡个人信用评估的有效性及优越性。     

基于时变贝叶斯网络的无人机态势评估模型

为解决无人机(UAV)在突发威胁下的环境感知问题,提出一个基于后验概率支持向量机(PPSVM)的时变贝叶斯网络(TVBN)态势评估模型,利用PPSVM完成突发威胁观测信息的分类处理,将分类信息的不确定度作为态势评估的证据,使用概率推理实现动态环境下的态势评估。以UAV规避空中突发威胁为仿真背景验证该模型的正确性,并表明其评估结果能真实地反映环境变化情况。     

基于大数据平台的P2P网络借贷风险管理三维魔方体系的构建研究

近几年来,互联网金融行业无疑是当前经济发展的聚焦点.而P2P借贷更是当前金融服务中的一项重要内容.但由于起步较晚、国家政策不健全等因素使其在具体的风险管理上存在较大的问题.尤其是在大数据时代背景下,如何把握各方面的利益确认合适的风险控制手段,应当是这类金融形式发展需要考虑的重要内容.因此,本文基于风险管理的理念来探讨三维魔方体系的建立,希望能为促使国内P2P业务的健康发展提供支持.     

支持向量机在信用卡信用评估的应用

信用卡业务现在是银行很重要的资产业务,构建一个适用的个人信用评估模型十分重要。基于近年来在智能学习系统领域发展起来的新理论,引入小样本学习的通用学习算法——支持向量机(SVM),建立了个人信用评估模型,通过与神经网络模型的比较,证实了该方法用于信用卡个人信用评估的有效性及优越性。     

基于GA-SVM的质量预测系统设计和实现

针对支持向量机(SVM)参数大多凭经验选择的费时问题,提出基于遗传算法(GA)的SVM参数选取方法和基于组件对象模型(COM)技术实现Visual C#与Matlab 的混合编程方法。以质量预测系统中GA-SVM预测模型建模和程序实现为例给出2 种方法的具体实现。结果表明,使用GA优化SVM参数能充分发挥GA算法特性,降低参数选择的时间;使用COM技术的混合编程能提高程序开发和运行的 效率。     

最小总风险准则的贝叶斯网络个人信用评估模型*

将最小总风险准则MOR与贝叶斯网络分类器相结合,提出了一种新型信用评估模型。在两个真实数据集上以MOR用10层交叉验证对贝叶斯网络信用评估模型进行了测试,并与最小错误概率准则MPE的贝叶斯网络分类器的结果进行了对比。结果表明,基于MOR的贝叶斯网络分类模型可以有效地减小信用评估风险。     

基于GA-SVM的银行客户流失预测分析

客户流失分析与预测是客户关系管理的重要内容。根据银行实际客户流失数据中正负样本数量不平衡而且数据量大的特点,采用遗传算法对传统支持向量机进行改进,得到GA-SVM模型,并以国内某商业银行VIP客户流失预测为实例,与人工神经网络、决策树、逻辑回归和贝叶斯分类器方法进行了对比,发现该方法能获得最好的正确率、命中率、覆盖率和提升系数,是预测现有客户流失倾向的有效方法。     

基于支持向量机的恶意软件行为评估系统

为解决恶意软件行为分析系统中分类准确率较低的问题,提出了一种基于支持向量机(SVM)的恶意软件分类方法。首先人工建立了一个以软件行为结果作为特征的危险行为库;然后捕获软件所有行为,并与危险行为库进行匹配,通过样本转换算法将匹配结果变成适合SVM处理的数据,再利用SVM进行分类。在SVM模型、核函数以及参数对(C,g)的选择方面先进行理论分析确定大致范围,再使用网格搜索和遗传算法(GA)相结合的方式进行寻优。为验证所提恶意软件分类方法的有效性,设计了一个基于SVM模型的恶意软件行为评估系统。实验结果表明,该系统的误报率和漏报率分别为5.52%和3.04%,比K近邻(KNN)、朴素贝叶斯(NB)算法更好,与反向传播(BP)神经网络相当,但比BP神经网络的训练和分类效率更高。     

基于支持向量机的综合评估方法的应用研究

将支持向量机(supportvectormachine,SVM)的分类思想应用于多指标综合评估。本文借助支持向量机的工具箱LS-SVMLABToolbox予以实现;针对实现过程中评估对象较多,易导致比较次数增加、相应的数据处理及后期排名过程复杂的情况,提出了利用快速排序法对该实现过程进行优化,从而减少了比较次数,提高了运行效率。最后结合实例证明SVM和快速排序法应用于综合评估的方法具有高拟合率,合理可行。