基于灰狼优化算法和最小二乘支持向量机的信用评估

• 作者: 周敏
• 来源期刊: 成都理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 灰狼优化算法 最小二乘支持向量机 信用评估 金融风险
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 507-512
• 页数: 6页
• 分类号: TP181|F830.5
• 字数: 5303字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-9727.2019.04.11

摘要

最小二乘支持向量机(LSSVM)被证实是一种有效的信用评估方法,然而,传统的交叉验证和网格方法通常得不到最优参数.为了解决这个问题,作者提出了一种改进的灰狼优化算法(IGWO),该算法能非线性地调整收敛因子,并能自适应调整a狼、β狼和δ狼对ω狼的影响.然后,提出了一种用IGWO来优化LSSVM参数的方法IGWO-LSSVM,并将其应用于信用评估中.在公开的德国和澳大利亚真实信用数据集上,IGWO-LSSVM较传统的K近邻、朴素贝叶斯、决策树、支持向量机和LSSVM等信用评估方法均有明显的提升,表明IGWO-LSSVM是一种有效的信用评估方法.