模糊近似支持向量机模型及其在信用风险评估中的应用

摘要：

支持向量机是近些年兴起的人工智能方法,并在信用风险分析领域得到了广泛应用.为了有效地减小在实证研究中样本的奇异点和噪声对模型的干扰,在近似支持向量机的基础上,引入模糊隶属度的思想,提出了模糊近似支持向量机,使之不仅能保留近似支持向量机原有的优点,同时也可以减小奇异点和噪声对模型的干扰,从而进一步提高了分类判别能力.为验证模糊近似支持向量机的效果,利用两个公开的信用数据集进行实证研究.实证研究结果表明:与其它模型相比,所提出的模糊近似支持向量机能够显著地提高信用风险分类精度,具有较高的实用价值.

关键词：信用风险评估、近似支持向量机、模糊隶属度

所属期刊栏目：32

分类号：F830(金融、银行)

资助基金：国家杰出青年科学基金71025005;国家自然科学基金重大研究计划培育项目90924024

在线出版日期：2012-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：549-554