基于SVM-IOA集成的动态风险识别模型研究

• 作者: 杨波 杨美芳
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 支持向量机 动态风险 风险识别 免疫优化 模型
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 应用前沿与综合
• 页码范围: 151-157
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2022.04.026

摘要

动态风险识别是根据已知的风险信息尽早预测未来可能存在的风险.基于支持向量机的风险识别技术能够较全面地、自动地通过学习模型来识别可能存在的风险,该技术已经成为动态风险识别的主要方法.为了提高识别的效率与准确性,支持向量机参数的选取非常关键,而人工免疫算法是一种有效的随机全局优化技术,具有精确度高、收敛速度快且不易陷入局部最优解等优点.该文首先对原始数据进行特征选取及降维处理,然后通过人工免疫优化算法(IOA)选择支持向量机(SVM)的惩罚参数和核函数的参数,同时结合支持向量机多分类方法的优势,提出一种新的动态风险识别模型—基于支持向量机和免疫优化算法集成的动态风险识别模型.在Heart-Disease数据集上的实验结果表明,该模型正向与反向的抗原识别率分别为95.82％和96.01％,均高于传统识别模型.