基于改进天牛群算法优化 SVM 的个人信用评估

来源：计算机技术与发展杂志2021年第06期北京时间：

作者：陈静静;刘升

摘要：由于支持向量机(SVM) 的分类性能受参数影响较大,为了提高 SVM 在个人信用评估中的精度,提出基于改进天牛群算法优化 SVM 的个人信用评估方法。 在对天牛的速度更新时加入天牛的自身判断,更加贴合生物觅食本性;通过改进收缩因子来优化学习因子,更好地协调局部与全局搜索之间的平衡;引入正态分布函数,自适应调整步长,改善算法收敛速度慢且易陷入局部极值的缺点。 利用获取的较优参数来构建分类模型,进而提高 SVM 的分类性能。 采用 UCI 中的 4个数据集,并与其他参数优化方法进行对比,实验证明 IBSO-SVM 具有较高的寻优性能。 为了验证改进模型在信用评估方面的性能,首先通过随机森林对信用数据 German 的特征进行了筛选,随后对处理过的数据进行实例分析,结果证明了混合模型的有效性。

关键词：支持向量机;信用风险评估;天牛群算法;参数优化;随机森林