一种基于信用评估数据分布特征的GAσFCM算法

发布时间：2021-06-21 19:59

　　数据分布特征往往会影响模型的划分结果,聚类分析是获取数据分布情况的有效方法。文章首先比较硬划分聚类、模型聚类、模糊聚类三种聚类算法,寻找适合于信用数据分析的方法;同时,根据变量集中趋势和离散程度利用拉依达准则对数据进行预处理,采用遗传算法优化模型参数,提出适合于信用评价数据分布特征的GAσFCM算法。所提算法在分类精度上相比于传统FCM算法提高近3个百分点,同时为了避免非均衡样本对聚类算法产生的影响,对正样本选取有一定倾向性。算法对比分析表明,基于GAσFCM模糊聚类算法适用于信用风险评估特征分布,有效提高信用风险评估的准确性,动态灵敏的捕捉上市公司的信用变化,是信用风险管理和控制方法的有益补充。 

【文章来源】：统计与决策. 2020,36(02)北大核心CSSCI

【文章页数】：5 页

【参考文献】：
期刊论文
[1]一种适用于高维非线性特征数据的聚类算法及应用[J]. 姜洪权,王岗,高建民,高智勇,高瑞琪,郭旗.  西安交通大学学报. 2017(12)
[2]小微企业信用风险评估的IDGSO-BP集成模型构建研究[J]. 胡贤德,曹蓉,李敬明,阮素梅,方贤.  运筹与管理. 2017(04)
[3]基于快速高斯变换的不确定数据聚类算法[J]. 迟荣华,程媛,朱素霞,黄少滨,陈德运.  通信学报. 2017(03)
[4]Greedy DBSCAN:一种针对多密度聚类的DBSCAN改进算法[J]. 冯振华,钱雪忠,赵娜娜.  计算机应用研究. 2016(09)
[5]基于KMV模型的中国上市公司信用风险评估研究[J]. 蒋彧,高瑜.  中央财经大学学报. 2015(09)
[6]聚类分析研究中的若干问题[J]. 王骏,王士同,邓赵红.  控制与决策. 2012(03)
[7]风险投资中投资风险的灰色多层次评价[J]. 蔡建春,王勇,李汉铃.  管理工程学报. 2003(02)



本文编号：3241311