10.3969/j.issn.1000-386X.2010.04.033
基于动态聚类RBF网络的小企业信贷预测研究
利用动态聚类算法确定RBF网络的隐含层节点,不仅聚类速度快,而且隐含层节点数的优化提高了网络的利用效率;定义了广义重要度欧氏距离用于算法中的距离计算;根据穆迪、安德尔违约概率曲线定义了信用评级风险系数等指标.最后,以南京某商业银行数据为依据,利用Matlab为工具平台,建立基于动态聚类的RBF神经网络模型.实证分析表明:本信贷预测模型对违约小企业的判别准确率较高,可为银行有效地甄别高风险企业.
小企业、动态聚类、广义重要度欧氏距离、RBF神经网络
27
TP3;TP1
江苏省科学技术厅软科学研究计划项目BR2008098
2010-05-31(万方平台首次上网日期,不代表论文的发表时间)
共4页
102-105