DESIGNING A HYBRID INTELLIGENT MINING SYSTEM FOR CREDIT RISK EVALUATION

在这研究，集成不平的集合理论和支持向量机器的一个新奇混合聪明的采矿系统被开发高效地为信用风险评估和分析从原来的信息桌子提取协会规则。在建议混合聪明的系统，支持向量机器被用作一个工具提取典型特征并且过滤它的噪音，它与不平的集合仅仅为支持向量机器被用作一个预处理器的以前的研究不同。如此的一条途径能减少信息桌子并且由不平的集合从减少的信息桌子产生最后的知识。因此，建议混合聪明的系统克服从一个训练支持向量机器分类器提取规则的 dificulty 并且拥有为 rough-set-based 途径正在缺乏的坚韧性。另外，建议混合聪明的系统的有效性与二真实世界的信用数据集被说明。

基于RS和SVM的建筑企业信用风险评估研究

建筑企业的信用缺失给投资者和行业发展带来了巨大风险,企业信用风险评估模型的建立及其应用是防范信用风险的重要手段。利用粗糙集对数据进行处理,并结合支持向量机的数据分类作用,构造了基于粗糙集的支持向量机模型,将新的学习样本通过支持向量机模型完成对施工企业信用风险的分类训练和评估,通过实例验证了RS-SVM模型用于建筑企业信用风险评估具有良好的分类性能,有助于实现对我国建筑企业信用风险的预警,增强投资者信用风险防范能力,提高建筑行业信用水平;有助于丰富和完善企业信用风险评估理论和方法。