基于改进线性辨别分析的信用评分方法研究

发布时间：2022-12-23 23:02

　　针对线性辨别分析（linear discriminant analysis,LDA）在处理信用评分问题中存在着准确率不高的缺陷,对原有的LDA方法进行了改进,新增了错分距离标量和正分距离标量,并在此基础上构建了多目标信用评分模型,该模型以错分距离之和最小和正分距离之和最大为优化目标;然后提出了对应的基于子代择优的协同进化多目标微粒群算法;最后应用现实世界中的数据集,将该方法与逻辑回归、神经网络、序列最小优化和决策树等分类算法进行了对比,实验结果表明该方法具有分类准确率高、易于理解和实现的特点。 

【文章页数】：3 页

【参考文献】：
期刊论文
[1]基于改进的SVM学习算法及其在信用评分中的应用[J]. 陆爱国,王珏,刘红卫.  系统工程理论与实践. 2012(03)
[2]多子群协同进化的多目标微粒群优化算法[J]. 彭虎,黄伟,邓长寿.  计算机应用. 2012(02)
[3]LDA算法及其在人脸识别中的应用[J]. 谢永林.  计算机工程与应用. 2010(19)



本文编号：3725579