如需要完整文档点击下方 "点击下载文档" 按钮

动态风险识别是根据已知的风险信息尽早预测未来可能存在的风险。 基于支持向量机的风险识别技术能够较全面地、自动地通过学习模型来识别可能存在的风险, 该技术已经成为动态风险识别的主要方法。 为了提高识别的效率与准确性, 支持向量机参数的选取非常关键, 而人工免疫算法是一种有效的随机全局优化技术,具有精确度高、收敛速度快且不易陷入局部最优解等优点。 该文首先对原始数据进行特征选取及降维处理,然后通过人工免疫优化算法( IOA) 选择支持向量机( SVM) 的惩罚参数和核函数的参数,同时结合支持向量机多分类方法的优势,提出一种新的动态风险识别模型 -- 基于支持向量机和免疫优化算法集成的动态风险识别模型。 在 Heart-Disease 数据集上的实验结果表明, 该模型正向与反向的抗原识别率分别为? 95. 82% 和 96. 01% ,均高于传统识别模型。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于 SVM-IOA 集成的动态风险识别模型研究》

将 完整文档 下载到本地，方便收藏和查阅

文件号：059187

点击下载文档