基于灰狼优化算法和最小二乘支持向量机的信用评估

作者: 周敏

关键词: 灰狼优化算法 最小二乘支持向量机 信用评估 金融风险

摘要:最小二乘支持向量机(LSSVM)被证实是一种有效的信用评估方法,然而,传统的交叉验证和网格方法通常得不到最优参数.为了解决这个问题,作者提出了一种改进的灰狼优化算法(IGWO),该算法能非线性地调整收敛因子,并能自适应调整a狼、β狼和δ狼对ω狼的影响.然后,提出了一种用IGWO来优化LSSVM参数的方法IGWO-LSSVM,并将其应用于信用评估中.在公开的德国和澳大利亚真实信用数据集上,IGWO-LSSVM较传统的K近邻、朴素贝叶斯、决策树、支持向量机和LSSVM等信用评估方法均有明显的提升,表明IGWO-LSSVM是一种有效的信用评估方法.


上一篇:第一页
下一篇: 川西北九龙山地区中二叠统储层裂缝特征及形成机制

核心期刊
中文核心期刊(2014)
中文核心期刊(2011)
中文核心期刊(2008)
中文核心期刊(2004)
中文核心期刊(2000)
中文核心期刊(1992)
成都理工大学版权所有 © 2015  蜀073568422号
地址:成都市二仙桥东三路1号    邮政编码:610059