基于决策判别树和ASVM的自适应支持向量混合信誉度评价模型研究

摘要：

本文在分析了国内外关于信誉评价的研究现状后,结合我国企业发展的情况,创造性地提出了基于决策分类树与ASVM的混合企业信誉度评价模型.较好地满足了预先设定的要求为我国企业信誉度评价领域增添了一种新的方法.该模型既解决了决策分类树在面对连续属性的缺陷和多分类时出错概率增加的问题,又解决了ASVM无法进行多分类的问题.混合信誉度评价模型中以ASVM作为决策分类树中分支节点的判别模型.并且通过实验发现组合核函数的AS-VM模型相对于RBF核函数的ASVM模型在信誉危机判别应用中准确率有一定的提升.最终的混合信誉度评价模型采用了组合核函数的ASVM模型作为分支节点的判别模型.经过最终的实验对比发现,该模型在解决企业信誉多分类问题中具有较高的准确率,具有较高的实用性.

关键词：信誉度评价指标、决策分类树、自适应支持向量机、组合核函数、混合模型

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技支撑计划项目2015BAF17B01;上海市科委项目14DZ1100502

在线出版日期：2016-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：253-257