基于SVM的建筑企业信用评价研究

建筑业出现的严重信用危机成为亟待解决的问题。在建立了初始建筑企业评价指标体系,对各评价指标进行相关性分析的基础上,建立最终的评价指标体系。采用基于统计学理论和结构风险最小化准则的支持向量机(SVM)方法进行信用评价,选用径向基核函数,使用10-折交叉检验,grid搜索确定最优参数。在此基础上建立建筑企业信用评价模型,并对其预测准确性进行分析。     

基于logistic-svm组合预测模型在公司信用评级中的应用

对公司建立信用评价模型,以便及早发现信用危机信号,不仅有利于公司的经营管理,也有利于投资人的投资决策。采用logistic回归模型和支持向量机相结合的组合评价方法,试图寻找出降低公司信用风险的有效措施。试验结果表明,这两种方法的组合预测模型不仅有较高的预测精度,同时也有较好的稳定性,logistic-svm组合模型优于单一模型。     

基于粗糙集和支持向量机的商业银行信用风险评估模型

结合粗糙集理论的属性约简和支持向量机(SVM)的分类机理,提出一种数据分类的混合算法;建立了基于此算法的商业银行信用风险评估模型。模型以粗糙集属性约简作为预处理器,删除冗余属性和冲突对象,但不损失有效信息;然后基于SVM进行分类建模和预测。实证表明,创建的模型分类性能良好,降低SVM分类过程的复杂度,一定程度上避免了训练模型的过拟合现象。通过与SVM和神经网络模型的比较,证实该方法用于信用风险评估的有效性。     

信用评估中的特征选择方法研究

特征（变量）选择是信用评估中常用的一种数据降维技术,然而传统的基于相关性的特征选择方法（CFS）在计算变量间相关系数时,本质上是一种线性分析方法,无法有效处理非线性关系的数据,导致不能准确估计变量间相关性的大小。本文在分析CFS方法的基础上,引入Gebelein最大相关系数（GMC）,提出了一种非线性相关性特征选择方法——基于Gebelein最大相关性特征选择方法（GCFS）。在此基础上,结合支持向量机（SVM）技术,构建了GCFS SVM评估模型。该模型能有效地识别变量间的非线性相关关系,更真实估计变量间相关系数大小,从而筛选出最优变量子集,最终提高模型评估预测能力。为验证本文所提方法的效果,通过对两个公开的信用数据集的实证研究,结果表明：与其他方法相比,本文提出的GCFS方法能显著改善信用评估模型预测性能,提高模型判别能力,本研究成果也为信用评估模型的构建提供了一种新的思路和有益的参考。     

基于供应链金融的商业银行信用风险评估

供应链金融融资模式为中小企业解决融资难问题提供了新思路,但过程中存在一定的信用风险。本文以基于供应链金融融资模式的商业银行信用风险为研究对象,提出了综合考虑核心企业资信状况、供应链营运状况及宏观环境因素的信用风险评估指标体系,利用主成分分析方法确定主要影响因素,建立Logistic模型评估其信用风险,通过与传统信用风险评估体系下的结果进行实证对比分析,结果表明银行通过供应链金融融资业务能有效地扩大授信范围,减少信用风险。     

基于支持向量机的信用评级分析

公司信用评级分析吸引了众多科研文献对其进行科学研究。近来的研究也表明,相对于传统的统计方法,支持向量机方法在信用评级分析中有着更好的表现。文章就引入了这一相对较新的机器学习技术——支持向量机,来研讨信用评级问题。最后通过实证分析,说明了这一方法的可行性。     

浅谈加强长沙银行信用风险评估建设

目前,我国的商业银行在信用风险评估建设方面无论从经验上还是技术上都比较落后,在这一领域的研究也刚刚起步。探讨长沙银行信用风险评估的必要性,并在分析长沙银行信用风险评估现状的基础上,提出加强长沙银行信用风险评估建设的措施和建议。     

基于Logistic模型的公司债券信用风险评估

随着金融市场不断发展与变化,公司债券作为公司筹集资金的重要方式之一,面临着越来越多的风险,对公司债券发行方的债券信用风险进行研究能够帮助投资者更好地甄选优质债权,降低买到垃圾债券的概率.文章以上海证券交易所5372只债券为样本库,随机抽取376组数据,以公司财务指标为依据,共选取10个指标,经过正向纳入和反向剔除之后,...     

基于启发式SVM的入侵检测系统研究

文章针对支持向量机参数一直存在根据经验确定不足的问题,提出将启发式支持向量机快速学习算法应用于入侵检测系统中。为了使支持向量分类机获得更好的分类性能,该算法提出以启发式规则选取对分类器最有利的样本进行训练,以确定支持向量机的参数,并采用内积矩阵分解算法提高分类速度,达到提高学习速度的目的。实验表明该算法在入侵检测系统中的应用优于标准支持向量机算法。     

基于Logistic—SVM的上市公司总经理离职行为预警模型研究

文章在建立上市公司总经理离职行为预警指标体系基础上,提出了Logistic和支持向量机（SVM）相结合的上市公司总经理离职行为预警模型。对原始指标数据进行标准化处理,然后通过Logistic回归分析对SVM的输出提供支持信念以修正支持向量机的结果。     

民营上市公司信用风险评估实证研究

民营上市公司虽然已成为我国经济体系的重要组成部分,但其信用风险却没有得到足够的重视,目前对信用风险评估的不足已成为制约其发展的重要瓶颈之一。本文构建了基于因子分析和AdaBoost-SVM的评估模型,并对我国38家民营上市公司进行了实证研究。为民营上市公司提供了行之有效的信用风险评估工具,填补了目前市场上没有专门针对民营上市公司的信用风险评估方法的空缺。     

基于SVM的我国区域创新能力的甄别技术研究

文章采用基于统计学习理论的小样本分析方法——支持向量机（SVM）,构建了我国区域创新能力甄别的SVM模型,对我国区域创新能力进行了甄别。研究表明,各组检验样本的平均正确甄别率都在90％以上,证明支持向量机对区域创新能力具有良好的识别能力,特别是表现出对小样本的适应性,为我国区域创新能力评价提供了新的方法和思路。     

基于SVM的养老地产项目投资风险评价研究

针对我国养老地产项目投资过程中资金需求量大、回收周期长且普遍缺乏开发经验等问题,提出将支持向量机(SVM)应用到养老地产项目投资风险评价中。并结合我国养老地产发展现状,建立基于SVM的养老地产项目投资风险评价模型。结果表明,该模型预测精度较高、运算速度较快,能够辅助养老地产开发企业在投资决策时及早预知风险,减少投资的盲目性,做出合适的决策。     

基于SVM的汽轮机回热系统故障诊断

总结了汽轮机回热系统常见故障,建立了回热系统典型故障集。在利用模糊规则建立回热系统故障征兆知识库基础上,提出了一种基于支持向量机多分类算法的回热系统故障诊断方法。最后将该方法用于某汽轮机组回热系统故障诊断中,结果表明,该模型能有效的识别回热系统故障。     

基于SVM的虹膜识别技术

文章主要阐述了基于支持向量机方法进行虹膜识别,首先利用虹膜处理系统对采集到的虹膜图象预处理,得到条形图象,然后利用主元分析方法(即PCA方法)进行特征提取,以达到降维的目的,得到的一个训练样本对应一个40维的向量,最后利用支持向量机使用序列最小优化算法进行虹膜识别。平均识别率达到了94.3%,结果表明本文的方法取得了较好的效果,降低了训练时间,提高了训练效率。     

基于支持向量机的企业财务危机预警模型研究

一、引言 财务危机是指企业丧失偿还到期债务的能力,包括从资金管理的技术性失败到破产以及处于两者之间的各种情况。有效的财务危机预测,有助于企业寻找财务失败发生的根源,及时采取对策,防止情况进一步恶化;投资者和债权人可用其作出正确的投资决策;银行等金融部门可用其进行企业的信用风险评估,决定贷款的发放对象。因此,财务危机预测是金融领域中一个重要的研究课题。财务危机评级就是一般的分类问题,即根据企业的财务历史状况,将其分为两类：正常和危机,或更加细致的多类。     

基于改进FOA的SVM参数优化研究

为了提高支持向量机(SVM)分类性能,同时针对果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的特点,提出了一种改进的FOA算法(LFOA),并将其应用于SVM的参数寻优中。该方法在运算个过程中根据果蝇种群的进化程度,动态的将种群分为较差子群和较优子群;较差子群在最优个体的指导下以基本FOA算法进行全局搜索,较优子群则围绕最优个体做Levy飞行,进行精细化局部搜索;两个子群的信息通过全局最优个体的更新和种群个体的重组进行交换。通过对UCI数据库中几个经典数据集的分类测试结果表明,基于LFOA优化SVM参数能够提高SVM的分类性能,效果优于其他几种方法。     

基于在线社会资本的网络个人信贷的信用风险评估

在线社会资本(Online Social Capital,简称OSC)是互联网征信的重要组成部分,也是网络个人信贷的信用风险评估的重要内容。因此,融入在线社会资本的网络个人信贷的信用风险评估,将对传统个人信贷的信用风险评估起到补充和修正的效果。本文基于k-核分解法,基于在线社会网络朋友数和在线社会网络位置对网络个人信贷借款人的在线社会资本进行了量化,并基于此提出了一类基于在线社会资本的网络个人信贷的信用风险评估模型。结合搜集的芝麻信用数据进行示例分析,模型有效性得到了检验。     

基于SVM的静压管桩单桩极限承载力预测

为了提高静压管桩单桩极限承载力的预测精度,本文在构建的静压管桩单桩极限承载力指标体系的基础上,建立了静压管桩单桩极限承载力的支持向量机预测模型,应用该模型对实际工程中静压管桩单桩极限承载力进行预测,并运用BP神经网络预测模型与其做对比,试验结果表明,支持向量机对静压管桩单桩极限承载力具有较好的预测性能。     

基于改进的SVM的交通信息融合方法研究

在对交通数据特性分析的基础上,提出基于改进的SVM多源交通信息融合算法。首先,在分析了传统SVM不足的基础上,提出了决策树-支持向量机算法(Decision TreeMethod-SupportVector Machines,DTM-SVM)。其次,对DTM-SVM多源信息融合算法的模型及其流程进行了研究,建立了DTM-SVM的分层结构模型。最后,经过实际数据测试,证明了该方法的高效性和实用性。