基于改进天牛群算法优化SVM的个人信用评估

• 作者: 陈静静 刘升
• 来源期刊: 计算机技术与发展
• 关键词: 支持向量机 信用风险评估 天牛群算法 参数优化 随机森林
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 应用前沿与综合
• 页码范围: 135-139
• 页数: 5页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.06.024

摘要

由于支持向量机(SVM)的分类性能受参数影响较大,为了提高SVM在个人信用评估中的精度,提出基于改进天牛群算法优化SVM的个人信用评估方法.在对天牛的速度更新时加入天牛的自身判断,更加贴合生物觅食本性;通过改进收缩因子来优化学习因子,更好地协调局部与全局搜索之间的平衡;引入正态分布函数,自适应调整步长,改善算法收敛速度慢且易陷入局部极值的缺点.利用获取的较优参数来构建分类模型,进而提高SVM的分类性能.采用UCI中的4个数据集,并与其他参数优化方法进行对比,实验证明IBSO-SVM具有较高的寻优性能.为了验证改进模型在信用评估方面的性能,首先通过随机森林对信用数据German的特征进行了筛选,随后对处理过的数据进行实例分析,结果证明了混合模型的有效性.