基于双隶属模糊支持向量机的中小企业信用评价

摘要：

构建了中小企业信用评价的双隶属模糊支持向量机模型( DFSVM),使每个训练样本依双隶属度同时隶属于两个信用类别,并通过粗糙集的属性约简方法确定支持向量机的最优输入指标组合.考虑到银行对于信用风险的厌恶,在模型的训练阶段对样本进行了“非对称”处理.实证结果表明,与传统的判别分析方法相比,建立的企业信用判别模型精度更高,调整后的模型可以进一步降低银行的信用风险.

关键词：粗糙集、支持向量机、信用评价、双隶属度

所属期刊栏目：15

分类号：F830.5(金融、银行)

资助基金：国家自然科学基金资助项目70831001,70821061;北京市自然科学基金资助项目9102013

在线出版日期：2012-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：93-98,108