基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型及其在信用分类中的应用

被引:12
作者
余乐安 [1 ]
汪寿阳 [2 ]
机构
[1] 中国科学院数学与系统科学研究院
[2] 长沙金融工程与金融管理研究中心
关键词
核主元分析; 模糊支持向量机; 最小二乘原理; 可变惩罚因子; 信用分类;
D O I
暂无
中图分类号
O159 [模糊数学];
学科分类号
070104 ;
摘要
信用分类是信用风险管理中一个重要环节,其主要目的是根据信用申请客户提供的资料从申请客户中区分出可信客户和违约客户,以便为信用决策者提供决策依据.为了正确区分不同的信用客户,特别是违约客户,结合核主元分析和支持向量机算法构造基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型对信用数据进行了分类处理.在基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型中,首先对样本数据进行预处理,然后利用核主元分析以非线性方式降低数据的维数,最后利用带可变惩罚因子最小二乘模糊支持向量机模型对降维后数据进行分类分析.为了验证,选择两个公开的信用数据集来进行实证分析.实证结果表明:基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型取得了较好的分类结果,可为信用决策者提供重要的决策参考依据.
引用
收藏
页码:1311 / 1326
页数:16
相关论文
共 11 条
[2]   Credit scoring and rejected instances reassigning through evolutionary computation techniques [J].
Chen, MC ;
Huang, SH .
EXPERT SYSTEMS WITH APPLICATIONS, 2003, 24 (04) :433-441
[3]   Credit scoring using support vector machines with direct search for parameters selection [J].
Zhou, Ligang ;
Lai, Kin Keung ;
Yu, Lean .
SOFT COMPUTING, 2009, 13 (02) :149-155
[4]   Nonlinear component analysis as a kernel eigenvalue problem [J].
Scholkopf, B ;
Smola, A ;
Muller, KR .
NEURAL COMPUTATION, 1998, 10 (05) :1299-1319
[5]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300
[6]   网络入侵检测中的自动决定聚类数算法 [J].
肖立中 ;
邵志清 ;
马汉华 ;
王秀英 ;
刘刚 .
软件学报, 2008, (08) :2140-2148
[7]  
Zhou L,Lai K K,Yu L.Credit scoring using support vector machines with direct search for parameters selection. Soft Computing – A Fusion of Foundations, Methodologies and Applications . 2009
[8]  
Glover,F.Improved linear programming models for discriminant analysis. Decision Sciences . 1990
[9]  
W.E.Henley,D.J.Hand.A k-Nearest-Neighbour Classifier for Assessing Consumer Credit Risk. Journal of the Royal Statistical Society Series D The Statistician . 1996
[10]  
Mu-Chen Chen,Shih-Hsien Huang.Credit scoring and rejected instances reassigning through evolutionary computation techniques. Expert Systems With Applications . 2003