论文部分内容阅读
为了提高信用风险评估的准确率，应用支持向量机(SVM)来建立信用风险评估模型。针对SVM模型性能的优劣与参数的选择密切相关，提出对传统的果蝇优化算法(FOA)进行改进，采用改进的果蝇算法优化支持向量机的参数，并将该模型的评估结果分别与网格法、遗传算法(GA)和果蝇算法(FOA)优化SVM参数的评估结果对比。实验结果表明：使用改进的果蝇算法优化后的支持向量机模型的评估准确率更高，更适合用于信用风险评估。