數(shù)據(jù)分布特征往往會影響模型的劃分結(jié)果,聚類分析是獲取數(shù)據(jù)分布情況的有效方法。文章首先比較硬劃分聚類、模型聚類、模糊聚類三種聚類算法,尋找適合于信用數(shù)據(jù)分析的方法;同時,根據(jù)變量集中趨勢和離散程度利用拉依達(dá)準(zhǔn)則對數(shù)據(jù)進行預(yù)處理,采用遺傳算法優(yōu)化模型參數(shù),提出適合于信用評價數(shù)據(jù)分布特征的GAσFCM算法。所提算法在分類精度上相比于傳統(tǒng)FCM算法提高近3個百分點,同時為了避免非均衡樣本對聚類算法產(chǎn)生的影響,對正樣本選取有一定傾向性。算法對比分析表明,基于GAσFCM模糊聚類算法適用于信用風(fēng)險評估特征分布,有效提高信用風(fēng)險評估的準(zhǔn)確性,動態(tài)靈敏的捕捉上市公司的信用變化,是信用風(fēng)險管理和控制方法的有益補充。 

【文章來源】：統(tǒng)計與決策. 2020,36(02)北大核心CSSCI

【文章頁數(shù)】：5 頁

【參考文獻(xiàn)】：
期刊論文
[1]一種適用于高維非線性特征數(shù)據(jù)的聚類算法及應(yīng)用[J]. 姜洪權(quán),王崗,高建民,高智勇,高瑞琪,郭旗.  西安交通大學(xué)學(xué)報. 2017(12)
[2]小微企業(yè)信用風(fēng)險評估的IDGSO-BP集成模型構(gòu)建研究[J]. 胡賢德,曹蓉,李敬明,阮素梅,方賢.  運籌與管理. 2017(04)
[3]基于快速高斯變換的不確定數(shù)據(jù)聚類算法[J]. 遲榮華,程媛,朱素霞,黃少濱,陳德運.  通信學(xué)報. 2017(03)
[4]Greedy DBSCAN:一種針對多密度聚類的DBSCAN改進算法[J]. 馮振華,錢雪忠,趙娜娜.  計算機應(yīng)用研究. 2016(09)
[5]基于KMV模型的中國上市公司信用風(fēng)險評估研究[J]. 蔣彧,高瑜.  中央財經(jīng)大學(xué)學(xué)報. 2015(09)
[6]聚類分析研究中的若干問題[J]. 王駿,王士同,鄧趙紅.  控制與決策. 2012(03)
[7]風(fēng)險投資中投資風(fēng)險的灰色多層次評價[J]. 蔡建春,王勇,李漢鈴.  管理工程學(xué)報. 2003(02)



本文編號：3241311