论文部分内容阅读
借助于支持向量分类机(SVC)的强泛化能力与鲁棒性,针对GDS-SVC、DIPSO-SVC选取参数的低效性,在改进的粒子群算法(DIPSO)位置更新过程中引入缩减因子(DKIPSO),建立基于DKIPSO自动选取SVC参数的DKIPSO-SVC组合模型,并将其应用于商业银行的信用评估。仿真结果表明,DKIPSO-SVC模型的鲁棒性优于DIPSO-SVC;DKIPSO-SVC分类精度为96.6049%,高于DIPSO-SVC93.8272%和GDS-SVC92.5926%。DKIPSO-SVC模型把第