典型文献
基于灰狼优化算法的信用评估样本均衡化与特征选择同步处理
文献摘要：
随着互联网金融行业的迅速发展,面对海量数据,传统信用风险评估面临着挑战.信用评估中样本类别不均衡,且特征冗余度高,成为影响目前评估分类精度的关键因素.为了解决以上问题,提出了一种基于灰狼优化算法同步处理样本欠采样与特征选择的方法.该方法将分类器的性能作为灰狼优化算法的启发式信息,然后进行智能搜索,以得到最优样本与特征集的组合,并在原始灰狼算法中引入禁忌表策略,避免算法陷入局部最优.实验表明,该方法相较于其他方法有较大改进,在不同数据集上的表现均证明了该方法能够有效解决样本不均衡问题,降低特征空间维度,同时提高分类准确率.其在信用风险评估上相比原始数据准确率提高了3％左右,证实了该方法在信用评估领域的适用性与优越性.
文献关键词：
信用评估;样本不均衡;特征选择;灰狼优化算法
中图分类号：
作者姓名：
储安琪;丁志军
作者机构：
嵌入式系统与服务计算教育部重点实验室(同济大学) 上海201804;上海市电子交易与信息服务协同创新中心(同济大学) 上海201804
文献出处：
引用格式：
[1]储安琪;丁志军-.基于灰狼优化算法的信用评估样本均衡化与特征选择同步处理)[J].计算机科学,2022(04):134-139
A类：
B类：
灰狼优化算法,信用评估,样本均衡,均衡化,特征选择,同步处理,互联网金融,金融行业,海量数据,信用风险评估,样本类别不均衡,冗余度,前评估,评估分类,分类精度,欠采样,分类器,启发式信息,智能搜索,征集,灰狼算法,禁忌,局部最优,其他方法,样本不均衡,均衡问题,特征空间,空间维度,分类准确率,原始数据
AB值：
0.369129
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
