| 基于粒子群协同优化算法的供应链金融信用风险评价模型 |
| |
| 引用本文： | 刘颖,张丽娟,韩亚男,庞丽艳,王帅.基于粒子群协同优化算法的供应链金融信用风险评价模型[J].吉林大学学报(理学版),2018,56(1):119-125. |
| |
| 作者姓名： | 刘颖 张丽娟 韩亚男 庞丽艳 王帅 |
| |
| 作者单位： | 1. 吉林财经大学 管理科学与信息工程学院, 长春 130117; 2. 吉林省物流产业经济与智能物流重点实验室, 长春 130117;〖JP〗3. 吉林财经大学 互联网金融重点实验室, 长春 130117; 4. 长春工业大学 计算机科学与工程学院, 长春 130012；5. 长春工业大学 马克思主义学院， 长春 130012 |
| |
| 摘 要： | 针对供应链金融模式下信用风险评价精度受信用特征子集与模型参数影响的问题, 提出一种粒子群协同优化信用风险评价模型. 该模型在充分论证供应链金融风险特征指标体系的基础上, 利用二进制粒子群算法优选特征子集, 并对支持向量机(SVM)参数协同优化. 对供应链金融信用风险评估进行实验, 并与传统径向基支持向量机和主成分分析特征抽取方法对比, 结果表明, 该模型优选的特征子集和SVM参数能显著提高信用风险评价精度.
|
| 关 键 词： | 供应链金融 信用风险评价 支持向量机 粒子群算法 |
| 收稿时间： | 2017-02-22 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 |
| 点击此处可从《吉林大学学报(理学版)》下载免费的PDF全文 |
|
