公开(公告)号：CN112396507A

公开(公告)日：2021-02-23

申请号：CN202010903303.X

申请日：2020-09-01

Applicant: 重庆邮电大学

Inventor： 张清华 ,  陈于思 ,  艾志华 ,  高满 ,  赵凡 ,  张沫

IPC: G06Q40/02 ,  G06K9/62 ,  G06N20/10

Abstract: 本发明涉及信用监测技术领域，具体涉及一种基于阴影划分的集成SVM个人信用评估方法，包括：对训练数据进行预处理，进行特征选择，识别边界样本并对样本空间进行阴影划分，对训练数据进行采样，形成多组训练集以训练集成SVM模型，将待预测样本输入到训练好的集成SVM预测模型中，训练好的集成SVM预测模型通过m个基分类器投票的方式对待预测样本进行分类，每个基分类器投1票，所有基分类器投票完毕后，将待预测样本分到投票数最多的类中，输出信用评级，同时将数据存入数据库中。本发明对用户的信用评分进行科学的预测与评估，通过有效特征与样本的提取和筛选，有效提高用户信用监测的精度，有利于有效降低信贷或金融企业的信贷风险。