首页|增量学习下的SVM-AdaBoost信用评估方法

增量学习下的SVM-AdaBoost信用评估方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为满足信用评估实时性和准确性要求,在增量学习框架下结合支持向量机(SVM)与AdaBoost(AB)算法设计IL-SVM-AB分类器.该IL-SVM-AB分类模型很好地克服了SVM在处理高维数据时对特征选择不主动导致准确率下降的缺点,并考虑到信用评估的数据样本会不断更新,引入新的价值指标.由此在增量学习的思想下,另外设计了数据判别以及SVM-AdaBoost数据处理两个子系统,并根据不同数据类别选择最优处理方式.实验结果表明,IL-SVM-AB判断信用价值的准确性相比一些传统算法模型以及集成算法模型平均提升了11.2％,最高提升了14％,所以IL-SVM-AB信用评估模型更具有实用性.
SVM-AdaBoost Credit Evaluation Approach Based on Incremental Learning

郭天添、高尚

展开 >

江苏科技大学计算机学院,江苏镇江212100

信用评估 支持向量机 属性约简 增量学习 AdaBoost 集成算法 机器学习

62076111

2021

10.11907/rjdk.202328

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(7)
  • 1
  • 8