ارائه و ارزیابی روش رتبه بندی برپایه ماشین بردار و پشتیبان فازی برای داده های چندکلاسه
محل انتشار: کنفرانس بین المللی مدل سازی غیر خطی و بهینه سازی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,573
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICNMO01_373
تاریخ نمایه سازی: 19 اسفند 1391
چکیده مقاله:
ارزیابی ریسک اعتباری یکی ازمهمترین موضوعات درزمینه مدیریت ریسک مالی می باشد باتوجه به بحران مالی اخیر ارزیابی ریسک اعتباری تمرکز عمده خدمات مالی و صنعت بانکداری شده است به خصوص برای موسسات اعتباری بانکهای تجاری و بانکهای مرکزی توانایی تبعیض قائل شدن بین شرکت ها و بانکهای ورشکسته ازغیرورشکسته بسیارمهم است هدف اصلی این پژوهش بررسی کارایی ماشین بردار پشتیبان دررتبه بندی داده های چندکلاسه و دارای طبقات نامتوازن است نتایج مدل ماشین بردار پشتیبان معمولی را با ماشین بردار پشتیبان فازی با دو تابع کرنل KGPF RBF و درحالت یک درمقابل یک و یک درمقابل بقیه بررسی شده است یافته های تحقیق حاکی است که درپیش بینی رتبه های مالی بانک ها مدل FSVM نسبتبه مدل SVM بطور معنی داری از دقت کلی بیشتری برخوردار است.
کلیدواژه ها:
نویسندگان
وجیهه منتظرتربتی
کارشناسی ارشد مهندسی مالی
مصطفی زندیه
استادیار دانشگاه شهید بهشتی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :