《基於虧秩核支持向量機的快速信用評估體系研究》是依託中國人民大學，由姜昊擔任項目負責人的數學天元基金項目。
基本介紹
- 中文名：基於虧秩核支持向量機的快速信用評估體系研究
- 項目類別：數學天元基金項目
- 項目負責人：姜昊
- 依託單位：中國人民大學
項目摘要,結題摘要,
項目摘要
健全的市場經濟體系需要科學的信用評估體系，主要涉及規範信用指標體系和建立科學的信用評估模型。本項目基於現階段我國信用評估體系不完善的特點，將以支持向量機(SVM)作為工具，以提高信用評估質量，加快評估速度為核心展開系統研究。首先，從提高信用評估質量的角度，本項目擬建立一套規範的信用指標體系，並採用廣義特徵矩陣平移，零空間擾動法等方法建立虧秩核支持向量機算法，挖掘重要指標集，建立最終的信用風險評估模型；其次，從加快評估速度的角度，本項目將利用不同核函式在構建核矩陣時具備的結構特性，合理改進算法，降低計算複雜度，提高信用評估的效率。項目的主要創新體現在：1.研究內容符合國情需求，具有前瞻性。2.從虧秩核擾動的新穎角度建立評估模型，且擾動理論基於大n小p的數據結構而建立，具有可推廣的套用價值。3.利用矩陣結構特性簡化模型訓練，降低計算成本，為規範我國信用風險管理體系提供研究支持。
結題摘要
健全的市場經濟體系需要科學的信用評估體系，主要涉及規範信用指標體系和建立科學的信用評估模型。本項目基於現階段我國信用評估體系不完善的特點，以支持向量機(SVM)作為工具，以提高信用評估質量，加快評估速度為核心展開系統研究。首先，從提高信用評估質量的方面，從算法角度，本課題完成了以下內容：採用廣義特徵矩陣平移等方法建立虧秩核支持向量機算法；針對SVM領域核函式的選擇偏好性，為豐富SVM核函式理論，本課題提出了一類新的核函式。其次，從提高信用評估質量方面，結合條件半正定核支持向量機模型，基於馬氏距離描述數據關係，實現信用風險評估；從加快評估速度的角度，本項目利用不同核函式在構建核矩陣時具備的結構特性，合理改進算法，降低計算複雜度，提高信用評估的效率。項目用到的關鍵數據有：1.兩個開源信用評估數據集合（UCI Machine Learning Repository Credit Evaluation）2.驗證算法有效性的其他開源數據集（來自NCBI GEO和UCI Machine Learning Repository的數據集）。項目的科學意義體現在：算法理論上：1.構建了一類新的核函式，擴大了SVM的可選核函式範疇。2.從虧秩核擾動的新穎角度建立虧秩核SVM算法。實際套用上：1.構建合適的相似度量描述數據間關係，並結合條件半正定矩陣最佳化信用評估模型；2.利用矩陣結構特性簡化模型訓練，降低計算成本，為規範我國信用風險管理體系提供研究支持。
