10.3969/j.issn.1004-3918.2019.07.003
基于MFOA算法的SVM模型在信用风险评估中的应用
P2P网贷行业借助于互联网技术,得到了急速地发展,其中的个人信用风险评估也变得更加重要.为提高信用风险评估的准确性,基于SVM建立一套信用风险评估模型.然而SVM模型的性能很大程度上取决于惩罚因子以及核函数的参数,因此需要对SVM的参数进行优化.采用基于改进的多种群果蝇优化算法对支持向量机的参数进行优化选择并在真实的P2P信贷数据上进行实验.通过与几种常见的群智能算法的优化效果如遗传算法,蚁群算法,粒子群算法等进行对比,结果表明,使用多种群果蝇优化算法的SVM模型具有评估准确率更高等优点.
信用风险评估、支持向量机、群智能算法、果蝇优化算法
37
TP391.9;F83(计算技术、计算机技术)
国家自然科学基金项目61602538
2019-08-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
1043-1051