基于支持向量机委员会机器的个人信用评估模型

为了充分利用SVM在个人信用评估方面的优点、克服其不足,提出了基于支持向量机委员会机器的个人信用评估模型.将模型与基于属性效用函数估计构造新学习样本方法结合起来进行个人信用评估;经实证分析及与SVM方法对比发现,模型具有更好、更快、更多适应性的预测分类能力.     

基于支持向量机的个人信用评估模型研究

随着我国经济的快速发展，个人信贷业务扩大，给银行带来收益的同时必然存在风险，针对传统个人信用评估方法的不足，鉴于支持向量机具有全局收敛性和良好的推广能力，本文将这种方法应用到信用评估中，利用支持向量机的方法对个人信用进行实证评估，并与K最近邻模型方法进行比较，得出了该方法的可行性和优越性，为银行建立一套完善的评估体系提供依据。     

基于支持向量机和领域知识的纳税评估预警模型

纳税评估是税务稽查的基础和前提,运用科学、合理的评估手段,降低评估风险和成本,提高纳税评估工作的整体效率和效果,成为纳税评估工作的关键问题.在总结纳税评估基本原理的基础上,针对企业的纳税评估问题构建了评估指标体系,提出了将支持向量机(SVM)和领域知识结合建立纳税评估预警模型的方法,首先利用SVM筛选出有涉税疑点的企业,然后在领域知识的指导下结合统计分析方法,进一步找出可疑对象偏离正常统计值的指标,解决了预警模型无疑点指向性的问题,实证分析表明该方法具有较高的可行性.     

基于多分类支持向量机的评估模型研究

支持向量机中的参数直接影响其推广能力,针对参数选取的主观性,提出基于改进的遗传算法优化其参数,并将其应用于银行个人信用的五等级分类问题中,针对多分类问题,设计了3个二值分类器,不同分类的参数不同,通过实验证实可以达到更精细的分类效果.     

基于支持向量机模型的建筑物沉降预测

针对建筑沉降发生的过程,采用支持向量机(SVM)模型对建筑物沉降进行预测.使用前期施工过程中的沉降观测数据作为训练样本集,建立现场动态沉降量预报模型.仿真试验和实践结果表明,模型与BP神经网络预测模型相比能够更准确地反映实际沉降过程,且满足精确性和适用性的要求.     

基于模糊Adaboost算法的支持向量回归机

针对单一支持向量回归机预测精度不十分良好的问题,结合Adaboost算法以及引入隶属函数,提出了一个基于模糊Aaboost算法的支持向量回归机模型。将该模型应用于金融时间序列预测问题的实验表明,预测精度有一定的提高,从而说明了该模型的有效性和可行性。     

基于支持向量机的粒子群神经网络集成股市预测模型

为有效提高神经网络集成的泛化能力,先利用量子粒子群和主成分分析提高集成个体的泛化能力,再利用泛化能力强的支持向量机回归集成生成输出结论,建立一个基于支持向量机的粒子群神经网络集成股市预测模型.试验表明,该模型能有效提高神经网络集成系统的泛化能力,预测精度高,稳定性好.     

应用模糊支持向量机进行英文情感分类

针对英文情感分类问题,对不同样本采用不同权重,通过引入模糊隶属度函数,通过计算样本模糊隶属度确定样本隶属某一类程度的模糊支持向量机分类算法,通过对比选取不同核函数和不同惩罚系数的结果.仿真实验结果表明应用模糊支持向量机进行英文情感分类具有较好的分类能力和较高的识别能力.     

集成随机森林和支持向量机的商业银行财务困境预测研究

提出了一种基于随机森林和支持向量机的集成模型来预测商业银行财务困境.结果表明,一方面,与多层感知神经网络相比,支持向量机可以更有效地作为集成学习模型的基分类器,虽然多层感知器神经网络在以往的研究中更多地被用于基分类器.另一方面,与现有的bagging、dagging、multiboost、adaboosting、random subspace等集成学习算法相比,该模型的预测性能明显提高.另一个关键发现是,利用银行业、宏观经济状况和国际金融风险变量补充银行层面的脆弱性,可以显著提高模型在商业银行财务困境预测中的表现.     

基于支持向量机的磨粒识别

由于神经网络的局限性,上个世纪末,支持向量机被提出和发展,它在模式识别方面有广泛的应用发展前途,并由最初的二元分类发展到现在的多元分类.本文根据支持向量机的最新发展,把最小二乘支持向量机应用在磨粒识别上,并取得了好的结果.     

Feature Selection using Fuzzy Support Vector Machines

The feature selection consists of obtaining a subset of these features to optimally realize the task without the irrelevant ones. Since it can provide faster and cost-effective learning machines and also improve the prediction performance of the predictors, it is a crucial step in machine learning. The feature selection methods using support machines have obtained satisfactory results, but the noises and outliers often reduce the performance. In this paper, we propose a feature selection approach using fuzzy support vector machines and compare it with the previous work, the results of experiments on the UCI data sets show that feature selection using fuzzy SVM obtains better results than using SVM.     

Clifford Fuzzy Support Vector Machines for Classification

A Clifford support vector machine (CSVM) learns the decision surface from multi distinct classes of the multiple input points using the Clifford geometric algebra. In many applications, each multiple input point may not be fully assigned to one of these multi-classes. In this paper, we apply a fuzzy membership to each multiple input point and reformulate the CSVM for multiclass classification to make different input points have their own different contributions to the learning of decision surface. We call the proposed method Clifford fuzzy SVM.     

基于DEA的典型相关分析在商业银行信用风险评估中的应用

基于DEA方法用综合输出变量与综合输入变量之比反映相对效率的思想,通过典型相关分析,在最大相关系数条件下,取得线性综合变量的指标权重,引入CCA/DEA分析方法,运用于商业银行的信用风险评估中.提出了综合财务指标T比率的概念,实现了对评估对象的充分评价与排序.     

基于最小二乘加权支持向量机的个人信用预测模型研究

针对不同类别样本数差异和不同误分代价的分类问题，提出了一种基于最小二乘加权支持向量机的分类预测方法。在最小二乘加权支持向量机的基础上，考虑不同类别样本数差异和不同误分代价，提出了新的最小二乘加权支持向量机分类模型，构造了新的最优分类函数。将该模型应用于个人信用预测实验，与已有方法的对比实验结果表明，提出的模型在解决不同类别样本数差异和不同误分代价的个人信用预测问题时，有效地降低了总误分代价，提高了个人信用预测精确度。     

商业银行经营业绩风险评价

随着我国加入WTO,银行业面临更为激烈的市场竞争,对商业银行进行经营业绩评价显得尤为迫切和重要.本文提出了商业银行经营业绩及经营风险评价的因子分析方法,并用该方法对商业银行经营业绩风险进行了实证分析,结果显示,因子分析方法是一种有效的综合评价方法.     

基于双子支持向量机的信用卡流失分析

银行信用卡业务属于高收益、高风险的业务,如何实现对信用卡的客户流失控制是发卡银行迫切需要解决的问题.目前,随着银行积累了大量的数据,并建立了数据仓库,使得采用数据挖掘技术来实现信用卡客户流失分析成为了可能.利用双子支持向量机,基于某商业银行的信用卡数据,建立了信用卡流失分析模型,实验结果证明了方法的有效性.     

商业银行个人信用风险评价的投影寻踪建模及其实证研究

根据已有的商业银行个人信用风险评价指标体系和数据,应用投影寻踪分类（PPC）技术进行建模,通过改变指标归一化方式前后权重是否互为相反数等性质,以确保PPC建模时求得真正的全局最优解．实证研究表明：对于商业银行个人信用分类问题,PPC模型的识别正确率高于判别分析模型;在评价指标的四个方面中,借贷人与本行关系最重要,其次是其基本情况,而偿债能力和稳定性的影响很小;而且,删除偿债能力和稳定性两个均值差异不存在显著性的指标后建立的PPC模型,不仅不会降低识别正确率,还有利于银行降低采集数据的成本和节约时间,简化流程,对提高PPC模型的实用性等具有重要理论意义和实践价值．     

Analysis of Support Vector Machines Regression

Support vector machines regression (SVMR) is a regularized learning algorithm in reproducing kernel Hilbert spaces with a loss function called the ε-insensitive loss function. Compared with the well-understood least square regression, the study of SVMR is not satisfactory, especially the quantitative estimates of the convergence of this algorithm. This paper provides an error analysis for SVMR, and introduces some recently developed methods for analysis of classification algorithms such as the projection operator and the iteration technique. The main result is an explicit learning rate for the SVMR algorithm under some assumptions. Research supported by NNSF of China No. 10471002, No. 10571010 and RFDP of China No. 20060001010.