基于混合蛙跳算法优化SVM的个人信用风险评估

摘要：

针对支持向量机(SVM)进行信用风险评估存在模型参数难以确定的问题,本研究引入了混合蝗跳算法(SFLA)来优化SVM的超参数,并使用SFLA-SVM模型对个人信用风险进行评估,同时将该模型的评估结果分别与经网格法和遗传算法优化的SVM超参数评估结果进行对比.结果 表明,基于SFLA-SVM的个人信用风险评估模型拥有更好的信用评估性能.

关键词：混合蛙跳算法、SVM、个人信用风险评估

所属期刊栏目：11

分类号：F832.4(金融、银行)

在线出版日期：2020-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：18-19