论文部分内容阅读
为了使支持向量机（SVM）获得更好的分类效果，针对人为选择参数的随机性，提出了利用粒子群算法（PSO）进行参数自动选取的优化方法，构建了PSO—SVM模型．在个人信用评估中，通过对粒子适应度函数的设置来控制造成较大损失的第二类误判，应用结果表明：模型在训练和测试样本中的分类精度可以达到95％，第二类误判率分别仅为0．78％和2．02％．利用PSO对SVM中的参数进行优化，可以避免人为选择的随机性，并且在解决分类问题中表现出较好的稳健性．