典型文献
符号序列多阶Markov分类在银行客户风险预测中的应用
文献摘要：
在金融行业突飞猛进发展的今天,为提高银行业务水平和运营收益,正确预测银行客户风险是一项非常重要的风险管理任务.目前国内尚未研究出与国情相匹配的完整模型,所以银行在应用模型时时常遇到亟待改进的局限.本文提出基于多阶马尔科夫模型符号序列贝叶斯分类新方法.新分类器的训练算法既可以学习各种符号不同阶次的条件概率,还可以优化不同阶次的权重,且为验证新分类器有效性,我们在三个实际应用领域的序列集上开展实验,并验证了其对预设阶数n是鲁棒的.新分类器通过使用多阶马尔科夫模型加权机制,可抵消错误模型阶数对分类器性能的影响,得出可在不同应用领域的实际序列集上取得高质量的分类结果.
文献关键词：
符号序列;马尔科夫链模型;贝叶斯分类;加权机制
中图分类号：
作者姓名：
程铃钫;陈黎飞;赖晓燕;林燕
作者机构：
福建农林大学金山学院,福建 福州 350002;福建师范大学数学与计算机科学学院,福建 福州 350117
文献出处：
引用格式：
[1]程铃钫;陈黎飞;赖晓燕;林燕-.符号序列多阶Markov分类在银行客户风险预测中的应用)[J].新型工业化,2022(01):8-12,30
A类：
B类：
符号序列,多阶,Markov,行客,客户风险,风险预测,金融行业,突飞猛进,进发,银行业务,业务水平,运营收益,管理任务,应用模型,时时,马尔科夫模型,贝叶斯分类,分类器,训练算法,阶次,条件概率,加权机制,抵消,模型阶数,马尔科夫链模型
AB值：
0.35608
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。
