基于GA-SVM的个性化体育训练效果评估模型研究

针对当前模型在评估个性化体育训练效果过程中未考虑合理选择评估参数,导致个性化体育训练效果评估模型运行时间增加,造成效果评估精度和效率较低的问题,提出了基于GA-SVM的个性化体育训练效果评估模型。首先根据个性化体育训练效果评估指标选取原则,基于图论和矩阵工具,筛选评估指标,并针对所选评估指标进行类别和量纲统一化处理;然后利用GA（遗传算法）选取SVM（支持向量机）评估模型参数最优值,优化SVM评估模型;最后利用MATLAB仿真软件对基于GA-SVM的个性化体育训练效果评估模型进行了仿真测试。仿真结果表明：所构建的基于GA-SVM的评估模型的相对误差为0.04%,所用时间为1.9 s,模型评估相对误差较小,模型评估所用时间较短,能够有效提高模型评估效率和精度。     

基于多模型融合的互联网信贷个人信用评估方法

针对网络个人信用有效评分缺失的问题,分析了互联网信贷个人信用评估数据的特点,选用支持向量机、随机森林和XGBoost分别建立了信用预测模型,并对3种单一模型进行了投票加权融合. 基于互联网信贷数据的特点,在特征工程中对样本集特征进行了离散化、归一化和特征组合等处理. 为增加对比,对实验数据集进行了FICO评估核心Logistic回归分析. 实验结果表明:3种单一算法性能均优于Logistic回归,XGBoost表现优于支持向量机和随机森林模型,预测相对准确;投票融合模型的表现比单一模型更好,模型分辨能力更优秀,预测精度更高,更适用于互联网信贷个人信用评估.     

商业银行信用风险评估中"拒真纳伪"两类错误的平衡控制研究

在信用风险评估过程中不可避免的会出现“拒真纳伪”两类错误．本通过对“拒真纳伪”两类错误在商业银行企业信用风险评估中不同影响的分析比较．选择支持向量机(SVM)作为信用风险评估的建模工具．并利用实际数据对两类错误的平衡控制进行了研究．实验结果表明．在SVM模型中．选取一个适当的损失比例系数．能在保证整体准确率较高的前提下，有效的降低第一类错误率．这在实际应用中具有反映问题本质的现实意义。     

个人信用评估中无标号数据的利用

一般地,个人信用评估的方法都是利用过往的有标号的数据建立评估模型再对新的个人信息进行评估,但有标号的数据需要专家的判断,获取比较困难,而新的无标号的个人信息获取相对比较容易。针对这个现象,本文就个人信用评估中利用新的无标号的个人信息提高评估准确率的可行性进行研究,建立了半监督下的个人信用评估方法,并通过一组实验证明了利用无标号数据提高评估效果的可行性。     

基于SVM的个人房贷信用评估数据分析

采用SVM的序列最小最优化算法（SMO）作为训练算法对商业银行个人房贷信用评估数据进行分析,着重探讨了在个人房贷信用评估中分别应用径向基核函数参数和SMO训练算法中的参数调整对准确度的影响;通过银行实际数据集将该算法与C4．5和神经网络进行了比较,支持向量机对个人信用评估的总精度高于其他两种算法;支持向量机对实际的住房抵押贷款数据进行信用评估效果较好,且参数调整对试验结果有影响。     

信用风险评估模型

个人信用综合管理系统信用风险评估模型是个人信用综合管理系统中所涉及的主要模型,解决了评估客户的信用等级及信贷风险评估,并有助于加快建立个人信用档案,建立健康良性发展的个人信用体系,使有不良行为记录者付出代价,对于减少或化解个人信用风险至关重要.     

基于车辆横向运行数据的遗传-支持向量机算法的分心驾驶状态判别模型

分心状态是造成交通事故的重要原因。当前侵入式与半侵入式检测多被应用于分心驾驶识别,此方法会对驾驶任务产生一定干扰,且成本相对较高。对此提出一种低成本的基于车辆横向运行数据的分心驾驶状态判别方法：实验选取手机通话作为分心影响因素,设计了正常驾驶、免提通话、手提通话三个维度。首先,基于驾驶模拟器采集的数据,对正常与分心状态下的车辆运行指标进行Man Whitney U检验,从时域及频域中提取出与分心驾驶显著相关的车辆横向控制指标;其次,构建支持向量机（support vector machine,SVM）分心状态判别模型,将径向基函数作为SVM的核函数,使用网格搜索算法（grid search algorithm,GSA）、粒子群算法（particle swarm optimization,PSO）及遗传算法（genetic algorithm,GA）对SVM模型参数进行优化;最后,对比GSA-SVM、PSO-SVM与GA-SVM分心判别模型的分类效果,并运用ROC曲线对模型性能进行评估。研究结果表明：GA-SVM分心判别模型的最优交叉验证率、准确率及F_1值分别为87.9%、91.9%、94.05%,高于GSA-SVM（86.2%、87.2%、90.35%）与PSO-SVM（87.9%、91.2%、93.46%）;GA-SVM判别模型ROC曲线接近于（0,1）坐标,其AUC值为93.53%。所提出的GA-SVM分心判别模型获得了较好的分类效果,故认为此模型适合作为低成本条件下基于车辆横向控制的分心驾驶状态判别模型。     

个人信用资产评估与保险介入

利用定量方法对个人信用资产指标体系进行研究，提出了个人信用资产的概念以及个人信用资产评估指标体系，综合运用概率论、随机过程原理和模糊数学的方法，改进了个人信用资产评估数学模型，计算出了个人信用资产的分值，并划分出个人信用的级别。同时，针对不同信用级别风险差异，将个人信用资产管理有机地融入信用保险理论，运用非寿险精算计算原理和贝叶斯方法，厘定出不同信用级别的保险费率，以便更有效地控制个人信用资产的风险。     

基于GA-SVM模型的虹膜质量评估方法

针对虹膜图像质量评价过程中存在的如何选取适量的评价因子、 如何降低评价因子的计算量、 如何对评价因子进行有效融合等问题, 提出一种基于遗传算法支持向量机（GA-SVM）模型和多测度评价指标的虹膜图像质量评估方法. 首先对虹膜图像进行清晰度质量评价, 粗略筛除模糊图像; 然后选用4个评价指标, 利用GA-SVM模型对评价指标值进行有效融合, 以综合评价虹膜图像质量; 最后将该方法在吉林大学第六代虹膜库中进行验证, 并与其他经典评价方法进行对比. 实验结果表明, 该方法能提高可用虹膜存活率, 并达到较好的识别精度, 同时提升系统运行速度.     

组合核支持向量机个人信用评估模型

针对支持向量机模型在分类问题中的广泛应用,提出了一种新的基于支持向量机的个人信用评估模型,通过对支持向量机直方图交叉核、热核特征核、杰卡德距离核和余弦广义距离核4种核函数的组合处理,构造了投票矩阵;通过实际数据实验,获得了良好的分类结果,同时证明了支持向量机自适应组合核加权模型在信用评分系统中具有良好的性能;因此,这种基于支持向量机的个人信用评估模型可以帮助银行或贷款人做出正确的决策。