文章目录

1 支持向量机

2 混合遗传算法

2.1 搜索空间的优化

2.2 遗传操作

    2.2.1 退火选择算子

    2.2.2 多模式交叉和变异算子

        2.2.2.1 基于函数的自适应交叉算子

        2.2.2.2 基于粒子飞行速度的惯性变异算子

3 基于混合遗传算法的SVM参数优化模型

4 实验结果与分析

4.1 实验环境

4.2 不同评估模型的性能比较

5 结 论

文章摘要:为准确评估中小型企业的信用等级和风险状况,提出了一种混合遗传算法（Hybrid Genetic Algorithm,HGA）,该算法针对遗传算法后期局部搜索能力差、收敛速度慢等缺陷,对标准遗传算法的遗传算子进行了研究和改进.通过引入退火选择、多模式交叉变异等遗传算子,加强了遗传算法的收敛性和准确性,并将改进的HGA算法应用于支持向量机（Support Vector Machine,SVM）参数的优化,构建了HGA-SVM信用评估模型.实验结果表明:与传统的评估方法以及目前主流的机器学习评估模型相比,HGA-SVM信用评估模型在收敛速度以及评估精准度上有着明显改善,提升了信用风险的评估效果.

文章关键词:

项目基金: