基于SVM-IOA集成的动态风险识别模型研究

扫码查看

原文链接

万方数据
维普

中文摘要：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.

外文标题：Research on Dynamic Risk Identification Model Based on SVM-IOA Integration

作者：

杨波、杨美芳

展开 >

作者单位：

江西财经大学信息管理学院信息系,江西南昌 330000

关键词：

支持向量机动态风险风险识别免疫优化模型

基金：

国家自然科学基金江西省社会科学十三五规划项目-重点项目

项目编号：

7206401519TQ01

出版年：

2022

DOI：

10.3969/j.issn.1673-629X.2022.04.026

计算机技术与发展

陕西省计算机学会

计算机技术与发展

CSTPCD

影响因子：0.621

ISSN：1673-629X

年,卷(期)：2022.32(4)

参考文献量15