论文部分内容阅读
针对线性辨别分析(linear discriminant analysis,LDA)在处理信用评分问题中存在着准确率不高的缺陷,对原有的LDA方法进行了改进,新增了错分距离标量和正分距离标量,并在此基础上构建了多目标信用评分模型,该模型以错分距离之和最小和正分距离之和最大为优化目标;然后提出了对应的基于子代择优的协同进化多目标微粒群算法;最后应用现实世界中的数据集,将该方法与逻辑回归、神经网络、序列最小优化和决策树等分类算法进行了对比,实验结果表明该方法具有分类准确率高、易于理解和实现的特点。