模糊近似支持向量机模型及其在信用风险评估中的应用

被引：46

作者：

姚潇 ^{[1
]}

余乐安 ^{[1
,2
,3
]}

机构：

[1] 中国科学院数学与系统科学研究院

[2] 北京化工大学经济管理学院

[3] 杭州师范大学阿里巴巴商学院电子商务与信息安全重点实验室

来源：

系统工程理论与实践 | 2012年 / 32卷 / 03期

基金：

国家自然科学基金重大研究计划; 国家杰出青年科学基金;

关键词：

信用风险评估; 近似支持向量机; 模糊隶属度;

D O I：

暂无

中图分类号：

F830.5 [信贷]; TP18 [人工智能理论];

学科分类号：

1201 ; 020204 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

支持向量机是近些年兴起的人工智能方法,并在信用风险分析领域得到了广泛应用.为了有效地减小在实证研究中样本的奇异点和噪声对模型的干扰,在近似支持向量机的基础上,引入模糊隶属度的思想,提出了模糊近似支持向量机,使之不仅能保留近似支持向量机原有的优点,同时也可以减小奇异点和噪声对模型的干扰,从而进一步提高了分类判别能力.为验证模糊近似支持向量机的效果,利用两个公开的信用数据集进行实证研究.实证研究结果表明:与其它模型相比,所提出的模糊近似支持向量机能够显著地提高信用风险分类精度,具有较高的实用价值.

引用

页码：549 / 554

页数：6

共 8 条

[1] 基于模糊神经网络的商业银行信用风险评估模型研究 [J].