基于多分类支持向量机的评估模型研究.pdf

第 卷第 期 数学的实践与认识 ．．．
年 月 ．，
基于多分类支持向量机的评估模型研究
丛 瑞 雪
哈尔滨金融 学院 基础教研部，黑龙江 哈尔 滨
摘 要：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 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．
关键词： 遗传算法；模糊支持 向量机；银行个人信用
引言
随着我国消费信贷市场的 日益发展，贷款 已成为商业银行最重要的盈利资产，同时也是
风险较大的资产，因此银行对客户提出的贷款 申请，必须依据客户提供的基本信息和资信记
录采用某种科学的决策方法进行应用评估．
国外银行对于这方面的研究 已经有 多年的历史了，许多方法如 回归分析、判别分析、
遗传算法 、神经网络、专家系统、支持 向量机等都应用到了个人信用评估领域．
但是 由于信用评估本身是非线性分类问题，因此线性模型分类效果不理想，支持 向量机
是 世纪 年代中期发展起来的一种机器学 习理论，一个好的 分类器使分类间隔尽
可能大，但支持 向量数 目尽量少．
目前 已经将此方法应用到了预测和分类等方面 】，但是尤其其核函数参数的选取和惩
罚系数的确定，直接影响了支持 向量机的推广能力．大多数情况是应该经验来全取参数，但是
也有一些方法可以计算这些参数，比如 和梯度下降法，虽然也具体了较好的效果，但是
容易陷入局部极小值．
遗传算法是模拟生物进化现象的一种优化方法，不依赖于 目标函数的梯度信息，具有优
良的全局搜索能力，可以避开局部最优而找到 目标函数的全局最优解．但由于其会出现 “早
熟”和收敛速度慢等现象，许多学者都对其做出了相应的改