结合测度整合和AWCBA算法的个人信用评估研究

• 作者: 张玥 赵凯 黄全生
• 来源期刊: 安徽工程大学学报
• 学科: 工学
• 关键词: 个人信用评估 关联规则 CBA算法 自适应加权
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 数理科学
• 页码范围: 56-62
• 页数: 7页
• 分类号: F830.5|TP301.6
• 字数: 5307字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-0977.2019.02.009

摘要

在个人信用评估领域,对个人信用等级的预测是最具有挑战性的.提高对个人信用等级预测的准确度可以避免大量死账坏账的出现.然而传统的个人信用评估模型假设全部属性都具有相同的重要性,并且使用单一测度进行规则的剪枝和预测,这些个人信用评估模型往往太主观,不能取得较好的分类效果.该研究结合测度整合和(Adaptive Weighted Classification Base of Association,AWCBA)算法构建了个人信用评估模型,对客户基础属性进行自适应化加权,并引用了支持度、置信度和卡方测度的调和均值作为分类依据,实现个人信用等级的分类,与其他算法相比,AWCBA算法预测准确度比其他算法都要高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玥	安徽工程大学数理学院	13	4	1.0	1.0
2	赵凯	安徽工程大学数理学院	6	10	2.0	3.0
3	黄全生	安徽工程大学数理学院	2	0	0.0	0.0