基于改进天牛群算法优化SVM的个人信用评估

摘要：

由于支持向量机(SVM)的分类性能受参数影响较大,为了提高SVM在个人信用评估中的精度,提出基于改进天牛群算法优化SVM的个人信用评估方法.在对天牛的速度更新时加入天牛的自身判断,更加贴合生物觅食本性;通过改进收缩因子来优化学习因子,更好地协调局部与全局搜索之间的平衡;引入正态分布函数,自适应调整步长,改善算法收敛速度慢且易陷入局部极值的缺点.利用获取的较优参数来构建分类模型,进而提高SVM的分类性能.采用UCI中的4个数据集,并与其他参数优化方法进行对比,实验证明IBSO-SVM具有较高的寻优性能.为了验证改进模型在信用评估方面的性能,首先通过随机森林对信用数据German的特征进行了筛选,随后对处理过的数据进行实例分析,结果证明了混合模型的有效性.

关键词：支持向量机、信用风险评估、天牛群算法、参数优化、随机森林

所属期刊栏目：31

分类号：TP18(自动化基础理论)

资助基金：硕士研究生科研创新项目19KY0321

在线出版日期：2021-07-05（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：135-139