基于支持向量机(SVM)理论的个人信用评估研究-管理科学与工程专业论文.docxVIP

- - I - 摘 要 金融机构风险主要源于信贷风险。个人申请贷款业务的与日剧增，建立有效的风险防 范机制对银行来说是迫在眉睫的。本课题在齐鲁商业银行的综合信息平台的基础，对平台 中的个人信用风险评估进行了深入探讨研究，提出了一个基于粗糙集和支持向量机的个人 信用评估系统模型。 数据挖掘融合了数据库、人工智能和数理统计等多门学科，是一种从大量复杂的数据 中迅速获得有用信息的新技术。分类是一种最常见的数据挖掘的应用方向，通过实验数据 训练得到的分类器来预测未知数据的类别。 支持向量机(SVM)是近年来在统计学习理论的基础上发展起来的一种新的机器学习方 法，它具有很强的泛化能力。其核心思想是将一个复杂的分类任务通过核函数映射使之转 化成一个在高维特征空间中构造线性分类超平面的问题。支持向量机是一种好解决两分类 问题的新方法，其构造学习结果模型稳定性较好。 本文认真研究分析了支持向量机的原理及算法。在对面向大规模数据集的支持向量机 的原理及算法的研究方面，通过比较各种算法的优缺点，选用了改进的序列最小最优化算 法 (SMO)来提高基于 SVM 的个人信用评估模型的学习速度。并对整个基于 SVM 的银行 个人信用评估系统模型进行介绍。将支持向量机应用到个人信用评估中，最后通过实验， 证明建立的模型具有很好的效果。 关键词： 数据挖掘；支持向量机；粗糙集；信用评估 - - II - Abs