×
奥马尔·萨贝尔·卡西姆;扎卡里亚·叶海亚·阿加马尔

使用一种新的混合算法改进信用评分分类的特征选择。 （英语） Zbl 1486.62273号

泰尔。斯达。 19，第3号，593-605（2021）.

MSC公司：

62P05号 统计学在精算科学和金融数学中的应用
62H30型 分类和区分；聚类分析（统计方面）
68T05型 人工智能中的学习和自适应系统

关键词：

特征选择;遗传算法;信用评分;BP神经网络;支持向量机

软件：

WinBUGS公司
PDF格式BibTeX公司 XML格式引用
\textit{O.S.Qasim}和\textit{Z.Y.Algamal}，泰国。Stat.19，No.3，593--605（2021；Zbl 1486.62273）
全文： 链接

参考文献：

[1] 阿贝德·KA。用新的迭代方法求解Kuramoto-Sivashinsky方程，并用PSO算法估计最优参数。《印度电气工程与计算科学杂志》。2020年；19(2): 709-714.
[2] Aickelin U，Dowsland K。利用遗传算法的问题结构解决护士排班问题。J日程安排。2000; 3(3): 139-153. ·Zbl 0965.90019号
[3] Alhafedh MAA，卡西姆OS。使用模糊互信息和二进制粒子群优化在微阵列数据集中进行两阶段基因选择。印度医学司法医学毒理学杂志。2019年；13（4）：1168-1177。
[4] Al-Talib ZS，Al-Azzawi SF公司。基于非线性控制器策略的四维超混沌系统的投影同步和混合投影同步。Telkomnika。2020; 18(2): 1012-1020.
[5] Al-Thanoon NA、Qasim OS、Algamal ZY。使用firefly算法在SCAD支持向量机中调整参数估计，并将其应用于基因选择和癌症分类。《计算机生物医学》2018；103分：262-268秒。
[6] Al-Thanoon NA、Qasim OS、Algamal ZY。一种新的混合firefly算法和粒子群优化算法，用于调整惩罚支持向量机中的参数估计，并将其应用于化学计量学。化学计量学智能实验室系统。2019年；184: 142-152.
[7] Bohte SM、Kok JN、La PoutréH。尖峰神经元时间编码网络中的错误反向传播。神经计算。2002; 48(1-4): 17-37. ·Zbl 1006.68760号
[8] Bolón-Canedo V，Sánchez-Maroño n，Alonso-Betanzos A.微阵列数据分类的过滤器和分类器集成。模式识别。2012; 45(1): 531-539.
[9] Cristianini N，Shawe-Taylor J.支持向量机和其他基于核的学习方法简介。剑桥：剑桥大学出版社；2000
[10] Danenas P，Garsva G.信用风险领域基于支持向量机分类器的选择。专家系统应用。2015; 42: 3194-3204.
[11] Deb K，Pratap A，Agarwal S，Meyarivan T。一种快速的精英多目标遗传算法：NSGA-II。IEEE Trans-Evol计算。2002; 6(2): 182-197.
[12] Ferreira AJ，Figueiredo MAT。高维数据的高效特征选择过滤器。图案识别信。2012; 33(13): 1794-1804.
[13] Gaxiola F，Melin P，Valdez F，Castillo O。反向传播神经网络的区间2型模糊权重调整及其在时间序列预测中的应用。通知科学。2014; 260:1-14·Zbl 1328.68164号
[14] Goh ATC。用于复杂系统建模的反向传播神经网络。Artif Intell Eng.1995；9(3): 143-151.
[15] Gu B，Sheng VS.一种稳健的正则化路径算法  支持向量分类。IEEE Trans Neural Netw学习系统。2017; 28（5）：1241-1248。
[16] Guyon I，Elisseeff A.变量和特征选择简介。马赫学习研究杂志2003；3: 1157-1182. ·Zbl 1102.68556号
[17] Hagan MT，Menhaj MB。用Marquardt算法训练前馈网络。IEEE Trans神经网络。1994; 5(6): 989-993.
[18] 郝阳W，长春Z，兵国C，军华L.改进群早熟收敛的自适应遗传算法[J]。西安交通大学学报。1999; 33(11); 27-31.
[19] Huang CL、Chen MC、Wang CJ。基于支持向量机的数据挖掘方法的信用评分。专家系统应用。2007; 33(4): 847-856.
[20] 黄J，蔡毅，徐霞。一种基于互信息的特征选择包装器混合遗传算法。图案识别信。2007; 28(13): 1825-1844.
[21] Jadhav S，He H，Jenkins K。信用评级的信息增益导向遗传算法包装器特征选择。应用软计算。2018; 69: 541-553.
[22] Kabir MM，Islam MM，Murase K。使用神经网络的新型包装器特征选择方法。神经计算。2010; 73: 3273-3283.
[23] Kim KJ。使用支持向量机进行金融时间序列预测。神经计算。2003; 55(1-2): 307-319.
[24] Koutanaei FN，Sajedi H，Khanbabaei M.用于信用评分的特征选择算法和集成学习分类器的混合数据挖掘模型。零售消费服务杂志。2015; 27: 11-23.
[25] Kozeny V.信用评分的遗传算法：替代适应度函数性能比较。专家系统应用。2015; 42: 2998-3004.
[26] Lu H，Chen J，Yan K，Jin Q，Xue Y，Gao Z.一种用于基因表达数据分类的混合特征选择算法。神经计算。2017; 第256页：第56-62页。
[27] Lunn DJ、Thomas A、Best N、Spiegelhalter D.WinBUGS——贝叶斯建模框架：概念、结构和可扩展性。统计计算。2000; 10: 325-337.
[28] Mai Q，Zou H.高维二进制分类中用于变量筛选的Kolmogorov滤波器。生物特征。2013; 100(1): 229-234. ·Zbl 1452.62456号
[29] Maldonado S，Pérez J，Bravo C.《支持向量机的基于成本的特征选择：在信用评分中的应用》，欧洲运营研究杂志，2017年；261(2): 656-665. ·Zbl 1403.90526号
[30] Min S-H，Lee J，Han I.破产预测的混合遗传算法和支持向量机。专家系统应用。2006; 31（3）：652-660。
[31] MotieGhader H，Najafi A，Sadeghi B，Masoudi Nejad A.一种使用遗传算法和学习自动机进行微阵列癌症分类的混合基因选择算法。通知Med解锁。2017; 9（C）：246-254。
[32] Oreski S，Oreski G.基于遗传算法的启发式算法，用于信用风险评估中的特征选择。专家系统应用。2014; 41(4): 2052-2064.
[33] Qasim OS，Algamal ZY公司。二进制Bat算法中使用不同传递函数的特征选择。国际数学与工程管理科学杂志。2020年；5(4): 697-706.
[34] Steinwart I，Christmann A.支持向量机。纽约：Springer-Verlag；2008. ·Zbl 1203.68171号
[35] Trabelsi I，Bouhlel MS。语音情感识别中基于GUMI核SVM的特征选择。国际期刊合成电子版。2015; 6(2): 57-68.
[36] Tripathi D，Edla DR，Cheruku R，Kuppili V.基于集合特征选择和多层集合分类的新型混合信用评分模型。计算智能。2019年；35(2): 371-394.
[37] 于泽，李磊，刘杰，韩庚。混合自适应分类器集成。IEEE Trans Cybern公司。2015; 45(2): 177-190.
[38] Zhang W，He H，Zhang S.采用增强型多种群小生境遗传算法的新型多阶段混合模型：在信用评分中的应用。专家系统应用。2019年；121: 221-232.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。