基于核主成分分析和BP神经网络的电子商务信用风险预警

用核主成分分析法(KPCA)、改进的粒子群算法(MPSO)和BP神经网络构建电子商务信用风险预警模型(KPCA-MPSO-BP)。首先,用核主成分分析(KPCA)对电子商务信用风险指标进行降维处理,接着用改进的粒子群算法(MPSO)对BP神经网络的惯性权重和阈值进行搜索,确定惯性权重和阈值的大小,再用BP神经网络对电子商务信用风险的13家企业的数据作为训练集,对其进行训练,用另外5家企业的数据作为测试集,对其进行测试。实验结果表明:KPCA-MPSO-BP模型预警的误差最小,说明组合模型是合理的。