發(fā)布時(shí)間：2020-05-04 18:30

【摘要】：隨著我國(guó)經(jīng)濟(jì)的高速發(fā)展,企業(yè)信用與個(gè)人信用越來(lái)越為社會(huì)所重視。但我國(guó)企業(yè)信用數(shù)據(jù)庫(kù)的缺失,大量企業(yè)特別是小微企業(yè)沒(méi)有信用數(shù)據(jù)。近年來(lái),互聯(lián)網(wǎng)的發(fā)展促進(jìn)了信息的數(shù)字化,通過(guò)網(wǎng)絡(luò)可獲取大量的信用數(shù)據(jù)。同時(shí),傳統(tǒng)監(jiān)督學(xué)習(xí)在面對(duì)少量標(biāo)記數(shù)據(jù)和不均衡的數(shù)據(jù)時(shí),具有較低的預(yù)測(cè)精度。半監(jiān)督方法利用少量標(biāo)記數(shù)據(jù)和大量未標(biāo)記數(shù)據(jù)進(jìn)行學(xué)習(xí),同時(shí)可以克服信用數(shù)據(jù)分別不均衡和樣本信息不足等問(wèn)題。然而在信用評(píng)估領(lǐng)域效果較好的半監(jiān)督支持向量機(jī)(SVM,Support Vector Machine)的參數(shù)對(duì)算法效果有較大影響,實(shí)際參數(shù)根據(jù)經(jīng)驗(yàn)所得。因此,本文在半監(jiān)督支持向量機(jī)的基礎(chǔ)上,首先提出使用模擬退火技術(shù)尋找半監(jiān)督支持向量機(jī)的最優(yōu)超參數(shù),然后使用耦合局部最優(yōu)技術(shù)減少模擬退火迭校次數(shù),并進(jìn)一步提出耦合模擬退火半監(jiān)督支持向量機(jī)。本文的主要工作如下:(1)半監(jiān)督支持向量機(jī)的研究分析和實(shí)驗(yàn)對(duì)比。主要分析監(jiān)督學(xué)習(xí)的支持向量機(jī)和半監(jiān)督支持向量機(jī)的求解過(guò)程,并在企業(yè)信用數(shù)據(jù)集和個(gè)人信用數(shù)據(jù)集上進(jìn)行對(duì)比試驗(yàn)。試驗(yàn)結(jié)果顯示半監(jiān)督支持向量機(jī)在信用評(píng)估領(lǐng)域具有較好的魯棒性。(2)針對(duì)傳統(tǒng)半監(jiān)督支持向量機(jī)超參數(shù)需要人工經(jīng)驗(yàn)選擇的問(wèn)題,本文提出了基于模擬退火半監(jiān)督支持向量機(jī)的信用預(yù)測(cè)方法,利用模擬退火方法尋找半監(jiān)督支持向量機(jī)最優(yōu)超參數(shù)。對(duì)比傳統(tǒng)半監(jiān)督方法,實(shí)驗(yàn)結(jié)果顯示模擬退火半監(jiān)督支持向量機(jī)方法的精度最高提升13%,假正率最高降低10%,準(zhǔn)確率最高提升11%,F-1值最高提升13%。(3)針對(duì)模擬退火半監(jiān)督支持向量機(jī)方法的單一退火問(wèn)題,本文提出了基于耦合模擬退火半監(jiān)督支持向量機(jī)的信用預(yù)測(cè)方法,使用耦合模擬退火技術(shù)將多個(gè)模擬退火過(guò)程之間的信息進(jìn)行共享,減少模擬退火方法內(nèi)循環(huán)迭校次數(shù)和外循環(huán)迭校次數(shù)。針對(duì)耦合模擬退火的初始接受溫度,提出了具有方差控制接受溫度的耦合模擬退火半監(jiān)督支持向量機(jī)。在信用數(shù)據(jù)集上的結(jié)果顯示,耦合模擬退火半監(jiān)督支持向量機(jī)在信用數(shù)據(jù)集上精度最高提升16%,假正率最高降低30%,F-1值最高提升3%。初始接受溫度試驗(yàn)顯示具有方差控制接受溫度的耦合模擬退火半監(jiān)督支持向量機(jī)可減弱對(duì)初始接受溫度的依賴。
【圖文】：

在信用數(shù)據(jù)集上與傳統(tǒng)半監(jiān)督方法（HF 和 NBEM）進(jìn)試驗(yàn)。試驗(yàn)結(jié)果表明，本文提出的模擬退火半監(jiān)督支持向量機(jī)方法在集上都取得了較好的預(yù)測(cè)效果，并且預(yù)測(cè)結(jié)果更加穩(wěn)定。第 4 章：耦合模擬退火半監(jiān)督支持向量機(jī)的信用評(píng)估。本章提出合模擬退火半監(jiān)督支持向量機(jī)的信用評(píng)估方法，該方法使用耦合局部?jī)?yōu)化模擬退火過(guò)程。在信用數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果顯示，耦合模擬退火持向量機(jī)方法比模擬退火半監(jiān)督支持向量機(jī)具有更高的精度，更低的更高的 F-1 值。第 5 章：總結(jié)與展望。本章對(duì)全文的工作進(jìn)行總結(jié)，，并整理了下究任務(wù)。本文的組織結(jié)構(gòu)如圖 1-1 所示：

在傳統(tǒng)支持向量機(jī)基礎(chǔ)上采用半監(jiān)督支持向量機(jī)介紹傳統(tǒng)監(jiān)督支持向量機(jī)（L2-SVM-MFN）的基本-SVM-MFN 的半監(jiān)督方法 TSVM 和 DAS3VM，最后以及上述方法的實(shí)驗(yàn)結(jié)果。MVM SVM 由 Vapnik[12]等人提出，SVM 是一種在統(tǒng)計(jì)學(xué)原理形成的分分算法。支持向量機(jī)的學(xué)習(xí)策略為最SVM 的目標(biāo)就是尋找一個(gè)分分面，將標(biāo)記數(shù)據(jù)劃隔。圖 2-1 中，圓圈校表正分標(biāo)記樣本，叉校表負(fù)分機(jī)的分分面，虛線為最大分分間隔所在面；位于虛本位于分分間隔內(nèi)，位于虛線所在面上的樣本為支
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F832.4;F276.3;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬旭霞;;支持向量機(jī)理論及應(yīng)用[J];科學(xué)技術(shù)創(chuàng)新;2019年02期

2 江少杰;寧紀(jì)鋒;李云松;;加權(quán)間隔結(jié)構(gòu)化支持向量機(jī)目標(biāo)跟蹤算法[J];中國(guó)圖象圖形學(xué)報(bào);2017年09期

3 李娜;孫樂(lè);胡一楠;李笑;王亞南;;模糊型支持向量機(jī)及其在入侵檢測(cè)中的應(yīng)用[J];科技創(chuàng)新與應(yīng)用;2018年11期

4 邵元海;楊凱麗;劉明增;王震;李春娜;陳偉杰;;從支持向量機(jī)到非平行支持向量機(jī)[J];運(yùn)籌學(xué)學(xué)報(bào);2018年02期

5 高欽姣;張勝剛;賈曉薇;;基于支持向量機(jī)的股票價(jià)格預(yù)測(cè)模型研究與應(yīng)用[J];課程教育研究;2016年28期

6 林香亮;袁瑞;孫玉秋;王超;陳長(zhǎng)勝;;支持向量機(jī)的基本理論和研究進(jìn)展[J];長(zhǎng)江大學(xué)學(xué)報(bào)(自科版);2018年17期

7 安悅tD;丁世飛;胡繼普;;孿生支持向量機(jī)綜述[J];計(jì)算機(jī)科學(xué);2018年11期

8 梁武;蘇燕;;一種新的基于類內(nèi)不平衡數(shù)據(jù)學(xué)習(xí)支持向量機(jī)算法[J];科技通報(bào);2017年09期

9 吳青;梁勃;;分段熵光滑支持向量機(jī)性能研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年08期

10 牛r

本文編號(hào)：2648814