摘要
动态风险识别是根据已知的风险信息尽早预测未来可能存在的风险.基于支持向量机的风险识别技术能够较全面地、自动地通过学习模型来识别可能存在的风险,该技术已经成为动态风险识别的主要方法.为了提高识别的效率与准确性,支持向量机参数的选取非常关键,而人工免疫算法是一种有效的随机全局优化技术,具有精确度高、收敛速度快且不易陷入局部最优解等优点.该文首先对原始数据进行特征选取及降维处理,然后通过人工免疫优化算法(IOA)选择支持向量机(SVM)的惩罚参数和核函数的参数,同时结合支持向量机多分类方法的优势,提出一种新的动态风险识别模型—基于支持向量机和免疫优化算法集成的动态风险识别模型.在Heart-Disease数据集上的实验结果表明,该模型正向与反向的抗原识别率分别为95.82％和96.01％,均高于传统识别模型.
基金项目
国家自然科学基金(72064015)
江西省社会科学十三五规划项目-重点项目(19TQ01)
维普
万方数据