基于离群点剔除的SVM信用风险评价方法  

SVM Credit Risk Evaluation Method Based on Eliminating Outliers

作　　者：刘颖[1,2,3] 王丽敏[1,3] 姜建华[1,2,3] 赵成丽[1] 张池军[1,2,3] 孙铁铮[1] 

机构地区：[1]吉林财经大学管理科学与信息工程学院,长春130117 [2]吉林财经大学物流产业经济与智能物流重点实验室,长春130117 [3]吉林财经大学互联网金融省重点实验室,长春130117

出　　处：《吉林大学学报（理学版）》2016年第6期1395-1400,共6页Journal of Jilin University:Science Edition

基　　金：国家自然科学基金(批准号:61402193;61572225);吉林省教育厅"十二五"科学技术研究项目(批准号:2015410;2015412);物流产业经济与智能物流吉林省高校重点实验室开放基金(批准号:201401);吉林省社会科学基金(批准号:2015BS48)

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.Aiming at the problem of outliers and noise in credit evaluation data, we proposed a support vector machine （SVM） credit risk evaluation model based on eliminating outliers. This model used Fuzzy c-means clustering algorithm to eliminate the outliers. The classification performance of SVM was improved by optimizing the SVM classification parameters by using the particle swarm optimization algorithm. The results of applying the proposed method to the credit risk evaluation show that the classification accuracy is higher than other models.

关 键 词：支持向量机 模糊C-均值聚类算法 离群点 信用风险 

分 类 号：TP399[自动化与计算机技术—计算机应用技术]