基于PSO—RBF神经网络的个人信用风险评估研究
【摘要】:为了构建更优的个人信用风险评估模型,本文提出了PSO-RBF模型,即用PSO算法对RBF神经网络的参数进行优化,并将优化后的RBF神经网络应用于个人信用风险评估。该方法将PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相结合,克服了PSO算法的不稳定性和RBF易陷入局部极小的缺点。结果表明,PSO-RBF模型具有较高的分类精度和评估精度。因此,PSO-RBF神经网络模型适用于个人信用风险评估,具有很好的推广应用价值。
【相似文献】 | ||
|
|||||||||||
|
|
|||||
|
|
|||||
|