论文部分内容阅读
针对支持向量机(SVM)进行信用风险评估存在模型参数难以确定的问题,本研究引入了混合蛙跳算法(SFLA)来优化SVM的超参数,并使用SFLA-SVM模型对个人信用风险进行评估,同时将该模型的评估结果分别与经网格法和遗传算法优化的SVM超参数评估结果进行对比。结果表明,基于SFLA-SVM的个人信用风险评估模型拥有更好的信用评估性能。