| 基于SVM与GA的银行贷款风险评估研究 |
| |
| 引用本文： | 任月鸥,杨春燕,张凤晓. 基于SVM与GA的银行贷款风险评估研究[J]. 吉林工学院学报, 2008, 29(2): 196-200 |
| |
| 作者姓名： | 任月鸥 杨春燕 张凤晓 |
| |
| 作者单位： | 中国人民解放军装甲兵技术学院电子工程系 吉林长春130117 |
| |
| 摘 要： | 进行基于支持向量机的贷款风险评估研究，在训练向量空间中找到一个分类超平面，使向量分类具有较小的错误率，并获得较强的可扩展能力。从理论分析与实验对比可知，采用遗传算法可使其收敛到全局最优参数，确保支持向量机的分类和扩展的性能达到最优。在平均执行时间小于1s内获得的高于94．3％正确率的实验结果验证了本算法的正确性与有效性，同时也表明支持向量机在小样本特征空间分类中所具有的优良性能。
|
| 关 键 词： | 贷款风险评估 支持向量机 神经网络 遗传算法 |
| 文章编号： | 1674-1374(2008)02-0196-05 |
| 修稿时间： | 2007-02-06 |
Credit risk evaluation based on SVM and GA |
| |
| REN Yue-ou,YANG Chun-yan,ZHANG Feng-xiao. Credit risk evaluation based on SVM and GA[J]. Journal of Jilin Institute of Technology, 2008, 29(2): 196-200 |
| |
| Authors: | REN Yue-ou YANG Chun-yan ZHANG Feng-xiao |
| |
| Affiliation: | (Department of Electronic Engineering, Armor Technique Institute of PLA, Changchun 130117, China) |
| |
| Abstract: | This paper describes the use of Support Vector Machine to evaluate the credit risk.It is to find a super-plane in the trained victor to minimize the fault rate and obtain the strong extensibility.With both the theory and experiment,the genetic algorithm demonstrates the converged results which illustrate that the truth rate is higher than 94.3% in the mean execute time less than 1 second,and the Support Vector Machine possess the superior properties in the small sample collections. |
| |
| Keywords: | credit risk evaluation Support Vvector Machine(SVM) neural network genetic algorithm. |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
