随着银行业的快速发展,风险早期预警越来越受到监管部门的重视。本论文针对银行预警系统进行了研究,将支持向量机技术和移动Agent技术应用于银行风险早期预警系统。文中提出了基于支持向量机分类(Support Vector Classification,SVC)的银行风险预警方法,以及基于专家意见的、不确定支持向量机分类的银行风险预警方法,并进行了实验,证明了上述模型和方法优于传统的预警方法。其次,论文针对银行数据量大,如采用集中式计算模式耗时长、对硬件要求水平高,以及银行预警系统网络结构复杂的特点,引入移动Agent并行计算技术,进行了移动Agent技术框架中Agent服务注册及定位机制、迁移路由建立、路由选择和路由更新的研究。具体研究内容如下;1本文首先在分析了银行预警、模式分类和支持向量机的内在联系之后,提出了基于支持向量机分类的银行预警模型,有效提高了银行预警的有效性,并给出了具体算法步骤和实证分析。2由于银行预警历史警度较难确定的问题,本文在不确定性支持向量机分类体系中引入了专家意见,并实现了与经典预警算法的有效融合预警方法,实现了预警方法与专家智能的有机结合,并给出了银行预警实例,为银行风险预警研究提供了新的思路和方法。3由于银行数据量极大,如采用集中式计算模式耗时长、对硬件要求高,并且银行系统网络分布广泛、结构复杂,本文引入了移动Agent技术应用于预警体系。针对移动Agent的特点,提出了基于蚁群算法的路由协议,改进了传统移动Agent路由算法的不足,并且在上述路由算法中引入了模拟自动控制理论中反馈的思想,在Agent执行任务的同时承担路由更新任务,从而以最小的带宽及时延消耗保持路由信息的实时更新,以满足银行预警系统的需要。4传统的Agent迁移理论在网络较为拥挤的情况下,由于均按照最优路由进行迁移,极易引发最优路径上的网络性能下降,从而导致时延变长直至Agent的丢失。本文提出了一种基于概率的迁移算法,综合考虑带宽、时延等多种因素,通过计算权重计算出每条可行路径被选择的概率,改变了过去Agent只按照最优路径进行迁移的特点,这样所有可能的通路根据线路性能计算出的概率均会得到被选择的机会,从而可以实现网络链路负载均衡,避免了最优路径性能急剧下降的情况。5考虑到目前网络体系的组织结构以网状为主,传统Agent服务搜索方式带宽消耗大、时延长,这样的结构并不适合迁移性和实效性都很强的特点,针对这些情况,本文提出了区域中心式移动Agent服务注册体系算法,有效克服了移动Agent服务搜索时间长、更新慢的缺点。