自改革開(kāi)放以來(lái),我國(guó)的社會(huì)主義市場(chǎng)經(jīng)濟(jì)制度日趨完善。為了擴(kuò)大國(guó)內(nèi)市場(chǎng)需求,銀行信用貸款、螞蟻花唄等個(gè)人信用借貸平臺(tái)如雨后春筍般不斷推出,個(gè)人信用消費(fèi)行為日趨增多。個(gè)人信用評(píng)估開(kāi)始受到政府和企業(yè)的重視,并成為了金融行業(yè)尤其是銀行業(yè)的研究熱點(diǎn)之一。深度自編碼網(wǎng)絡(luò)可以提取數(shù)據(jù)的深度特征而核支持向量機(jī)在處理“小樣本,大數(shù)據(jù)”時(shí)具有高分類(lèi)精度。本文結(jié)合深度自編碼網(wǎng)絡(luò)和核支持向量機(jī)技術(shù)對(duì)個(gè)人信用評(píng)估模型展開(kāi)研究。論文的主要內(nèi)容包括以下幾個(gè)部分:構(gòu)建基于熱核支持向量機(jī)的個(gè)人信用評(píng)估模型。熱核是一種利用圖的鄰接關(guān)系來(lái)構(gòu)造的核函數(shù),在處理圖像分類(lèi)等問(wèn)題取得良好的效果。本文提出基于熱核支持向量機(jī)的個(gè)人信用評(píng)估模型。實(shí)驗(yàn)表明,熱核的個(gè)人信用評(píng)估能力高于多項(xiàng)式核、二層神經(jīng)網(wǎng)絡(luò)核和Gauss徑向基核;在德國(guó),信用歷史、現(xiàn)有的支票賬戶(hù)狀態(tài)、其他債務(wù)人、貸款目的、存款、財(cái)產(chǎn)、房屋、工作信用歷史,已工作時(shí)間,住房和職業(yè)是評(píng)價(jià)個(gè)人信用的重要屬性;而在中國(guó),信用歷史、工齡、職業(yè)和住房是評(píng)價(jià)個(gè)人信用的重要屬性。構(gòu)建融合多核支持向量機(jī)的個(gè)人信用評(píng)估模型。根據(jù)評(píng)估個(gè)人信用等級(jí)的指標(biāo)數(shù)據(jù)的不同類(lèi)型,選擇了直方圖交叉核、熱核、廣義... 

【文章來(lái)源】：安徽工程大學(xué)安徽省

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－２知網(wǎng)個(gè)人評(píng)估方法檢索結(jié)果??由圖１－２，我們可以發(fā)現(xiàn)：在個(gè)人信用評(píng)估領(lǐng)域，深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和數(shù)??

其中ｓｇｎ〇為符號(hào)函數(shù)，就可以用公式（３．１）的函數(shù)類(lèi)別判別樣本ｘ的類(lèi)型。為了??找到最優(yōu)超平面（因?yàn)槠渚哂休^好的推廣能力），我們考慮兩個(gè)分別在最優(yōu)超平面??兩邊的規(guī)范化的分類(lèi)超平面：ｇ（ｘ）?＝?±ｌ。如圖３－１所示易知這兩個(gè)超平面間的間??隔就是。??Ｈ??個(gè)????令?｛４冰”＋辦）＝＋１｝??｛ａ－｜（ｗ？．Ｙ?＋?６）?＝?０｝?＾??｛ｘｌ（ｗ＞ｘ＋／？）?＝?－�。�?Ｎｖ?＇？■７＾?＃??Ｖ?．．．．．ｗ??圖３－１支持向量機(jī)超平面的建立??于是，求解最優(yōu)化超平面的問(wèn)題就成為：??ｍｉｎ?去?（３．２）??＼＼＼ｂ??ｓ．ｔ．?ｙｔ?［（ｗ－ｘ（．）＋ｆｅ］－ｌ?＞０，／?＝?（３．３）??這是一個(gè)不等式約束下的優(yōu)化問(wèn)題，可以通過(guò)拉格朗日法求解。對(duì)于每個(gè)??樣本引入一個(gè)拉格朗日系數(shù)ａ，．?２?０，／?＝?１，２，…，Ｍ�？梢园压剑ǎ常玻┖凸剑ǎ常常┑�??優(yōu)化問(wèn)題等價(jià)地轉(zhuǎn)化為下面的問(wèn)題：??ｍｉｎ?ｍａｘ?Ｌ｛ｗ＼ｂ，ａ）－?—?［ｗ－ｗ）－＇＾＿ｉａｊ＾Ｌｙｉ（ｗ－ｘｉ）?＋?ｂ＇＼－＼｝?（３．４）??ｗ，ｂ?ａ?２?＾??式中是拉格朗日泛函，公式（３．２），公式（３．３）的等價(jià)解等于式（３．４）對(duì)ｗ??和辦求最小

３．３．１實(shí)驗(yàn)數(shù)據(jù)??本章實(shí)驗(yàn)配置如圖２－１所示，并利用德國(guó)ＵＣＩ數(shù)據(jù)庫(kù)與中國(guó)某商業(yè)銀行客??戶(hù)信息中的信息進(jìn)行實(shí)驗(yàn)，對(duì)這些數(shù)據(jù)進(jìn)行概化處理，如表２－１與表２—２中所示。??在多項(xiàng)式核、Ｇａｕｓｓ徑向基核和二層神經(jīng)網(wǎng)絡(luò)核的參數(shù)選擇中，我們參考了劉??文杰等［１９］實(shí)驗(yàn)中設(shè)置的參數(shù)對(duì)我們的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。對(duì)于德國(guó)ＵＣＩ數(shù)據(jù)庫(kù)??１５０００條客戶(hù)信息，我們隨機(jī)抽取１００００樣本進(jìn)行實(shí)驗(yàn)；對(duì)于中國(guó)某商業(yè)銀行??客戶(hù)信息，由于僅有１〇〇〇條個(gè)人信用評(píng)估數(shù)據(jù)，我們將這１０００個(gè)信用數(shù)據(jù)全??部作為樣本進(jìn)行實(shí)驗(yàn)。??３．３．２德國(guó)ＵＣＩ數(shù)據(jù)庫(kù)實(shí)驗(yàn)??在德國(guó)ＵＣＩ數(shù)據(jù)庫(kù)中，首先尋找熱核支持向量機(jī)模型的最優(yōu)參數(shù)：??熱核特征核參數(shù)與正確＾??????０．８６?ｉ?１?１?１?１?１??

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)特征和支持向量機(jī)的遙感圖像分類(lèi)[J]. 業(yè)巧林,許等平,張冬.  林業(yè)工程學(xué)報(bào). 2019(02)
[2]不同核函數(shù)支持向量機(jī)和可見(jiàn)-近紅外光譜的多種植被葉片生化組分估算[J]. 陳方圓,周鑫,陳奕云,王奕涵,劉會(huì)增,王俊杰,鄔國(guó)鋒.  光譜學(xué)與光譜分析. 2019(02)
[3]基于深度自編碼網(wǎng)絡(luò)的艦船輻射噪聲分類(lèi)識(shí)別[J]. 嚴(yán)韶光,康春玉,夏志軍,李昆鵬.  艦船科學(xué)技術(shù). 2019(03)
[4]應(yīng)用深度自編碼網(wǎng)絡(luò)和XGBoost的風(fēng)電機(jī)組發(fā)電機(jī)故障診斷[J]. 趙洪山,閆西慧,王桂蘭,尹相龍.  電力系統(tǒng)自動(dòng)化. 2019(01)
[5]支持向量機(jī)和Logistic回歸模型在個(gè)人信用預(yù)測(cè)中的應(yīng)用[J]. 田嘉武.  區(qū)域金融研究. 2018(11)
[6]基于迭代自適應(yīng)隨機(jī)決策樹(shù)的個(gè)人信用評(píng)估模型研究[J]. 蘭軍,嚴(yán)廣樂(lè).  經(jīng)濟(jì)數(shù)學(xué). 2018(03)
[7]基于深度學(xué)習(xí)的支持向量機(jī)的信息安全檢測(cè)和預(yù)警研究[J]. 王貴喜.  微型電腦應(yīng)用. 2018(06)
[8]基于多模型融合的互聯(lián)網(wǎng)信貸個(gè)人信用評(píng)估方法[J]. 白鵬飛,安琪,Nicolaas Fransde ROOIJ,李楠,周?chē)?guó)富.  華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)
[9]基于KPCA和近紅外光譜的鑒別玉米單倍體方法研究[J]. 劉文杰,李衛(wèi)軍,李浩光,覃鴻,寧欣.  光譜學(xué)與光譜分析. 2017(07)
[10]支持向量機(jī)對(duì)股票價(jià)格漲跌的預(yù)測(cè)[J]. 張建寬,盛炎平.  北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)

碩士論文
[1]基于支持向量機(jī)的個(gè)人信用評(píng)估研究[D]. 賞東東.北京化工大學(xué) 2017
[2]基于貝葉斯網(wǎng)絡(luò)理論的個(gè)人信用評(píng)價(jià)模型研究[D]. 張耀輝.安徽財(cái)經(jīng)大學(xué) 2016



本文編號(hào)：3131975