文献类型：期刊文章

作　　者：姚潇[1] 余乐安[1,2,3]

机构地区：[1]中国科学院数学与系统科学研究院,北京100190 [2]北京化工大学经济管理学院,北京100029 [3]杭州师范大学阿里巴巴商学院电子商务与信息安全重点实验室,杭州310036

出　　处：《系统工程理论与实践》

基　　金：国家杰出青年科学基金(71025005);国家自然科学基金重大研究计划培育项目(90924024)

年　　份：2012

卷　　号：32

期　　号：3

起止页码：549-554

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD2011_2012、CSSCI、CSSCI2012_2013、EI、IC、JST、NSSD、RCCSE、RWSKHX、SCOPUS、ZGKJHX、核心刊

摘　　要：支持向量机是近些年兴起的人工智能方法,并在信用风险分析领域得到了广泛应用.为了有效地减小在实证研究中样本的奇异点和噪声对模型的干扰,在近似支持向量机的基础上,引入模糊隶属度的思想,提出了模糊近似支持向量机,使之不仅能保留近似支持向量机原有的优点,同时也可以减小奇异点和噪声对模型的干扰,从而进一步提高了分类判别能力.为验证模糊近似支持向量机的效果,利用两个公开的信用数据集进行实证研究.实证研究结果表明:与其它模型相比,所提出的模糊近似支持向量机能够显著地提高信用风险分类精度,具有较高的实用价值.

关 键 词：信用风险评估 近似支持向量机 模糊隶属度  

分 类 号：F830[金融学类]