基于支持向量机的商业银行信用风险评估模型研究

本文将支持向量机(SupportVectorMachine,SVM)应用于商业银行信用风险研究中,通过实证研究,证实了该方法用于商业银行信用风险评估比BP神经网络更具有效性和优越性。     

基于五级分类支持向量机集成的商业银行信用风险评估模型研究

研究表明支持向量机集成方法可以提高分类精度,但是目前所用的基于最多投票原则的集成策略无法评价单个支持向量机分类器的输出重要性.针对这个问题,本文建立一种基于五级分类的支持向量机集成方法,该方法具有四个因子输入,一个衡量商业银行信用风险的输出,该方法考虑了各子分类器的分类结果和各子分类器判决对最终决策的重要程度,利用Libsvm对某商业银行信贷的176组样本数据进行实证分析,结果表明本文提出的方法比其他分类方法的分类精度高,证实了该方法的可行性和有效性,为银行建立可靠的评估系统提供了依据.     

基于支持向量机的供应链金融信用风险评估研究

研究了在供应链金融模式下的信用风险评估,提出了综合考虑核心企业资信状况及供应链关系状况的信用风险评估指标体系,运用机器学习的方法支持向量机(SVM)建立信用风险评估模型。通过与用主成分分析和Logistic回归方法建立的信用风险评估模型进行实证结果对比,证实了基于SVM的信用风险评估体系更具有效性和优越性。     

基于支持向量机的企业赊销风险评估模型

结合赊销风险的特征,提出将"赊销风险度"作为新的赊销风险度量标准,在定义赊销风险度的基础上,将企业赊销风险划分为5个等级,并将支持向量机(SVM)引入赊销风险评价,建立了基于SVM的企业赊销风险评价模型。实证结果表明,该模型有效且可行。     

一种改进的一对一多类支持向量机

多类支持向量机在实际应用领域（比如ORC,人脸识别等）是一个非常重要的问题。广泛应用的多类SVM方法包括：一对一,一对多和DAG等。众多实验表明一对一方法通常具有较高分类准确率,但传统一对一方法测试时间较长限制了其在大数据量识别任务中的应用。提出一种改进的一对一多类支持向量机,先通过粗分类快速选出候选类别,再对候选类别按原一对一方法进行投票。实验结果显示该方法不仅提高了分类效率,而且在一定程度上提高了分类准确率。     

基于支持向量机和决策融合的人脸检测

针对灰度图像中的人脸检测问题,提出了一种基于多种支持向量机的决策融合检测方法。该方法首先用传统的二类支持向量机(C—SVM)和单类支持向量机(One-Class SVM)分别对图像进行检测,然后决策融合两种分类器的检测结果。在MIT CUM人脸库上的实验结果表明,该方法具有良好的检测效果和较低的虚警率。     

基于数据挖掘技术的企业信用评估研究

考虑一种带有分类变量的企业信用评估问题,在综合分析企业评估指标的基础上,提出了一套完整的企业信用评估指标。基于数据挖掘技术中的k-means算法和支持向量机算法,提出一种综合的企业信用评估方法。     

基于支持向量机的采煤机轴承故障诊断

轴承在旋转机械中起着重要的作用,其故障是导致旋转机械故障的主要原因之一,它们的功能直接关系到这些机器的操作性能、使用寿命和效率。因此,识别和诊断轴承的故障行为对于设备的可靠运行非常重要。基于此,本文提出了一种从振动特征中提取最优故障指标并使用支持向量机(SVM)建立轴承故障的诊断方法。在恒定载荷条件下,以三种速度采集振动信号,然后,在时域、频域和时频域中提取最优的统计特征。结果表明,与单域信号相比,多域的时频特征具有更好的性能。     

基于支持向量机的网页分类研究

探讨了网页的文本分类,阐明了多层文本的概念,分析了支持向量机的数学模型及基于支持向量机的层次文本分类算法,提出了基于支持向量机的网页分类方法流程,指出了进一步研究的要点。     

基于模糊综合支持向量机模型的变压器运行状态评估

文章应用一种将模糊综合评价与支持向量机相结合的方法,建立变压器状态评估模型。该模型综合考虑了多种变压器状态信息,利用模糊综合评价法解决不确定问题的优势,发挥了支持向量机适合解决小样本问题、泛化能力强的特点,具有较高的判断准确率。实例分析表明了该模型的有效性。     

基子支持向量机的企业赊销风险评估摸型

结合赊销风险的特征,提出将"赊销风险度"作为新的赊销风险度量标准,在定义赊销风险度的基础上,将企业赊销风险划分为5个等级,并将支持向量机(SVM)引入赊销风险评价,建立了基于SVM的企业赊销风险评价模型.实证结果表明,该模型有效且可行.     

基于SVM的人脸识别系统的研究

该文使用PCA来提取人脸的特征,克服了K-L算法计算量大,计算耗时长的缺点。实验表明该算法减少了特征提取时间。然后运用SVM来进行人脸识别。将两类分类问题的识别策略应用到多类分类问题,以ORL人脸库做的实验中得到了很好的识别效果     

基于最小二乘支持向量机的数据挖掘应用研究

随着数据仓库技术、联机分析技术的发展。基于数据库的数据挖掘已成为一种重要的数据处理手段。最小二乘支持向量机作为一种新的机器学习方法。具有全局收敛性和良好的泛化能力。本文将其应用于数据挖掘的分类与预测研究。通过棱函数的选择及参数优化，并结合支持向量机、多层感知器神经网络模型及判别分析方法进行比较研究，证明最小二乘支持向量机作为一种有效的数据挖掘算法具有较高精度。     

基于支持向量机的企业突破性创新识别模型研究

根据文献研究和创新识别的内涵,从技术、市场、产品、管理、财务、环境6个维度构成创新模式识别因素指标集,利用支持向量机原理建立了企业突破性创新识别模型,并应用该模型对61个样本数据进行创新模式的仿真识别,结果发现输出结果与样本调研及实际创新模式是一致的。实证研究表明,该方法在突破性创新识别中具有较强的有效性及优越性。     

基于模糊线性规划和熵值法的虚拟企业任务分解风险评价研究

虚拟企业既有助于提高企业竞争力,也可能使企业面临的风险加大.根据虚拟企业风险分析与控制的原理,将虚拟企业项目分解成若干个任务(节点),建立虚拟企业的节点及整个联盟的风险评价模型,即用主观与客观方法相结合的模糊线性规划的赋权方法,确定各评价指标的权重,分别集结出每个项目结点的风险度,再用传递熵的方法计算出参与评价的每个专家的权重,集结出每个结点的风险度,最后计算出整个联盟项目的综合风险度,并给出了具有代表意义的案例,验证了模型的可行性.     

基于离散余弦变换和支持向量机的数字图像水印算法

为了加强数字图像版权保护,提出一种基于离散余弦变换(DCT)和支持向量机(SVM)的数字图像水印算法.该算法首先充分利用SVM很强的非线性逼近能力,计算水印的嵌入强度,然后将水印自适应地嵌入到DCT变换各系数中,从而解决水印嵌入强度和DCT系数的选择难题.实验结果表明,该算法不仅具有水印具有不可感知性,而且抗各种攻击能力强.     

基于支持向量机的土地覆被遥感分类

遥感图像的分类是研究土地变化的基础。传统的遥感图像分类存在着精度不高,不确定性强的特点。本文使用支持向量机（SVM,Support Vector Machine）技术对遥感图像分类,并与传统的最大似然分类进行对比试验。结果表明不同参数组合下SVM的分类总精度和Kappa指数普遍高于最大似然分类的结果,其最高总精度高出最大似然分类0.9779%。SVM和最大似然分类结果都存在着类别混分,但是SVM混分程度远小于最大似然分类,其精度保持在可接受的范围内,如对于低密度草而言,最大似然分类的用户精度下降到84.68%,而支持向量机的用户精度虽然也有下降但还是保持在92.31%。SVM在样本数目很少的情况下表现出了出色的学习能力,是机器学习领域很有希望的一种学习方法。