作者:
原文服务方: 计算机应用研究       
摘要:
为了提高企业信用风险评估准确率,提出了基于PSO-BP集成的企业信用风险评估模型.使用Bagging抽样技术获得足够多不同的训练数据集,用不同的训练集子集训练得到不同的PSO-BP组合成员分类器,最后通过多数投票准则整合不同组合成员分类器的分类结果.分别在包含了国内外公司的详细数据的数据集上证明了模型的有效性.
推荐文章
基于PSO-BP神经网络的企业信用风险评估模型研究
信用风险评估
主成分分析
粒子群优化算法
BP神经网络
基于支持向量机的企业信用风险评估研究
支持向量机
信用风险
核函数
泛化
人工神经网络
基于PCA-GABP的高技术企业信用风险评价
信用风险评价
主成分分析
遗传算法
BP神经网络
供应链金融视角下的小微企业信用风险评价
供应链金融
BP神经网络
小微企业
信用风险评价
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于PSO-BP集成的国内外企业信用风险评估
来源期刊 计算机应用研究 学科
关键词 信用风险评估 PSO-BP集成 Bagging抽样 多数投票
年,卷(期) 2014,(9) 所属期刊栏目
研究方向 页码范围 2705-2710
页数 6页 分类号 TP183
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2014.09.034
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈云 15 117 5.0 10.0
2 石松 6 77 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (21)
参考文献  (28)
节点文献
引证文献  (13)
同被引文献  (40)
二级引证文献  (16)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(2)
  • 参考文献(0)
  • 二级参考文献(2)
1980(1)
  • 参考文献(1)
  • 二级参考文献(0)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(3)
  • 参考文献(2)
  • 二级参考文献(1)
1997(2)
  • 参考文献(2)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(3)
  • 参考文献(2)
  • 二级参考文献(1)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(5)
  • 参考文献(2)
  • 二级参考文献(3)
2011(4)
  • 参考文献(4)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(3)
  • 参考文献(0)
  • 二级参考文献(3)
2018(2)
  • 参考文献(0)
  • 二级参考文献(2)
2019(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(4)
  • 引证文献(3)
  • 二级引证文献(1)
2018(8)
  • 引证文献(2)
  • 二级引证文献(6)
2019(12)
  • 引证文献(3)
  • 二级引证文献(9)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
信用风险评估
PSO-BP集成
Bagging抽样
多数投票
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导