摘要: 针对信用评价数据存在离群点和噪声问题, 提出一种基于离群点剔除的支持向量机(SVM)信用风险评价模型. 该模型利用模糊c-均值聚类算法剔除样本离群点, 采用粒子群算法优化支持向量机分类参数, 进而提高支持向量机的分类性能. 将该方法应用于信用风险评价中的结果表明, 相比于其他模型, 该方法分类精度更高.
中图分类号:
刘颖, 王丽敏, 姜建华, 赵成丽, 张池军, 孙铁铮. 基于离群点剔除的SVM信用风险评价方法[J]. 吉林大学学报(理学版), 2016, 54(06): 1395-1400.
LIU Ying, WANG Limin, JIANG Jianhua, ZHAO Chengli,ZHANG Chijun, SUN Tiezheng. SVM Credit Risk Evaluation MethodBased on Eliminating Outliers[J]. Journal of Jilin University Science Edition, 2016, 54(06): 1395-1400.