信用评估中的鲁棒赋权自适应Lp最小二乘支持向量机方法

被引：14

作者：

刘京礼 ^{[1
,2
]}

李建平 ^{[2
]}

徐伟宣 ^{[2
]}

石勇 ^{[3
]}

机构：

[1] 中国科学技术大学管理学院

[2] 中国科学院科技政策与管理科学研究所

[3] 中国科学院虚拟经济与数据科学研究中心

来源：

中国管理科学 | 2010年 / 18卷 / 05期

关键词：

信用评估; 鲁棒; 自适应; 最小二乘支持向量机;

D O I：

10.16381/j.cnki.issn1003-207x.2010.05.015

中图分类号：

F832.2 [银行制度与业务]; F224 [经济数学方法];

学科分类号：

0701 ; 070104 ;

摘要：

消费者信用评估是金融风险管理和信用产业竞争的一个重要方面。信用评估数据中常带有噪声点,并且其类别是不均衡的。最小二乘支持向量机是一个被广泛应用的分类模型,其模型简单,求解速度快,但鲁棒性差。本文提出了一个鲁棒赋权自适应Lp最小二乘支持向量机模型,能够适应信用评估样本数据库类别不均衡的特点,可以有效处理信用评估数据中带有噪声点的问题。在仿真数据和三个信用数据库上的实证分析表明,本文所提出的模型具有较好的鲁棒性和分类能力。

引用

页码：28 / 33

页数：6

共 7 条

[1] Credit risk evaluation using adaptive Lq penalty SVM with Gauss kernel
Sun Dongxia1
[J]. Journal of Southeast University(English Edition), 2008, (S1) : 33 - 36
[2] 消费者信用评估中支持向量机方法研究
李建平
徐伟宣
刘京礼
石勇
不详
[J]. 系统工程 , 2004, (10) : 35 - 39
[3] 进化算法[M]. 冶金工业出版社 , 云庆夏编著, 2000
[4] Arbitrary Norm Support Vector Machines
Huang, Kaizhu
Zheng, Danian
King, Irwin
Lyu, Michael R.
[J]. NEURAL COMPUTATION, 2009, 21 (02) : 560 - 582
[5] Support vector machines with adaptive Lq penalty
Liu, Yufeng
Zhang, Hao Helen
Park, Cheolwoo
Ahn, Jeongyoun
[J]. COMPUTATIONAL STATISTICS & DATA ANALYSIS, 2007, 51 (12) : 6380 - 6394
[6] Weighted least squares support vector machines: robustness and sparse approximation[J] . J.A.K. Suykens,J. De Brabanter,L. Lukas,J. Vandewalle.Neurocomputing . 2002 (1)
[7] Least squares support vector machine classifiers
Suykens, JAK
Vandewalle, J
[J]. NEURAL PROCESSING LETTERS, 1999, 9 (03) : 293 - 300

← 1 →