基于GA优化的个人信用评估SVM模型
支持向量机(SVM)中的参数影响着模型的分类能力,针对SVM 中人为选择参数的随机性,提出了利用遗传算法(GA)进行优化的方法,构建了基于GA优化的SVM模型,并将其应用于商业银行的个人信用评估中.利用GA的全局搜索能力搜索SVM 中的参数,并通过染色体适应度函数的设置来控制给商业银行造成较大损失的第二类误判的发生,模型的应用结果与BP 神经网络进行对比表明,基于GA 优化的SVM 模型的分类精度高,第二类误判得到了有效的控制,并且表现出较好的稳健性,对于控制消费信贷风险具有更好的适用性。
个人信用评估 支持向量机 遗传算法 商业银行 信贷风险 评估模型
姜明辉 袁绪川
哈尔滨工业大学管理学院,哈尔滨150001
国内会议
湖南张家界
中文
731-735
2007-07-26（万方平台首次上网日期，不代表论文的发表时间）