基于支持向量机的商业银行信用风险评估

• 作者: 侯惠芳 刘素华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 核函数 惩罚因子 信用风险
• 年，卷（期）: 2004,（31）
• 所属期刊栏目: 工程与应用
• 页码范围: 176-178,192
• 页数: 4页
• 分类号: TP301
• 字数: 4491字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2004.31.058

摘要

支持向量机(Support Vector Machine,简称SVM)是在经验风险最小化原理上发展出的一种新的机器学习技术,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势.论文首先详细介绍了支持向量机的线性和非线性分类算法,然后将支持向量机非线性分类器应用于银行信用风险的评估中,最后分析对比了选用不同核函数和参数的实验结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘素华	郑州工程学院计算机科学系	12	202	9.0	12.0
2	侯惠芳	郑州工程学院计算机科学系	11	170	8.0	11.0