基于粒子群协同优化算法的供应链金融信用风险评价模型

• 作者: 刘颖 庞丽艳 张丽娟 王帅 韩亚男
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 供应链金融 信用风险评价 粒子群算法 支持向量机
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 119-125
• 页数: 7页
• 分类号: TP399
• 字数: 4271字
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2018.01.20

摘要

针对供应链金融模式下信用风险评价精度受信用特征子集与模型参数影响的问题,提出一种粒子群协同优化信用风险评价模型.该模型在充分论证供应链金融风险特征指标体系的基础上,利用二进制粒子群算法优选特征子集,并对支持向量机(SVM)参数协同优化.对供应链金融信用风险评估进行实验,并与传统径向基支持向量机和主成分分析特征抽取方法对比,结果表明,该模型优选的特征子集和SVM参数能显著提高信用风险评价精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张丽娟	长春工业大学计算机科学与工程学院	31	156	7.0	11.0
2	韩亚男	长春工业大学马克思主义学院	17	31	3.0	5.0
3	庞丽艳	吉林财经大学管理科学与信息工程学院	13	54	5.0	7.0
4	刘颖	吉林财经大学管理科学与信息工程学院	15	66	5.0	7.0
10	王帅	吉林财经大学管理科学与信息工程学院	5	23	2.0	4.0