[发明专利]非线性稀疏孪生支持向量机的企业破产预测系统及方法

权利要求书

1.一种非线性稀疏孪生支持向量机的企业破产预测系统，其特征在于，包括：

数据预处理模块，用于对收集的样本组成的训练集进行归一化处理并映射至核特征空间；

数据训练模块，将经过归一化处理并映射至核特征空间后形成的数据带入模型中进行训练；

数据预测模块，利用训练好的模型在测试集上进行预测。

2.根据权利要求1所述的非线性稀疏孪生支持向量机的企业破产预测系统，其特征在于：所述数据预处理模块包括收集数据模块、训练集模块、归一化处理模块、以及映射模块，其中所述收集数据模块用于统计收集到的企业相关数据，将收集的样本组成训练集；所述训练集模块包括训练集D＝X₁∪X₂，其中X₁＝{x_1i|x_1i∈R^m,y_1i＝1,i＝1,...,n₁}是非破产企业的相关数据集合，X₂＝{x_2i|x_2i∈R^m,y_2i＝-1,i＝1,...,n₂}是破产企业的相关数据集合，每个样本的特征数为m，n₁是非破产企业的样本个数，n₂是破产企业样本个数，n＝n₁+n₂为训练集样本总数；所述归一化处理模块用于把所有的数据按照特征进行归一化处理，使特征值分布在[-1,1]区间中；所述映射模块利用高斯核函数将所述训练集D中的每个样本都映射到核特征空间。

3.根据权利要求2所述的非线性稀疏孪生支持向量机的企业破产预测系统，其特征在于：所述训练集D中的X₁集合映射后数据表示为：

X₂集合映射后数据表示为：

其中高斯核为：定义X₁和X₂集合映射后的数据样本矩阵分别为和

4.根据权利要求1所述的非线性稀疏孪生支持向量机的企业破产预测系统，其特征在于：所述模型包括判别函数：其中w₁和w₂为函数的权重向量，b₁和b₂为函数的偏差。

5.根据权利要求4所述的非线性稀疏孪生支持向量机的企业破产预测系统，其特征在于：所述判别函数中的权重向量和偏差通过如下步骤获得：设置最大迭代次数T,以及一个容许误差θ,令t＝1，且其中I是单位矩阵，下标代表单位矩阵的大小；求解优化问题，获得当前迭代的函数的权重向量w₁和w₂，函数的偏差b₁和b₂，以及目标函数值L_t(w₁,b₁,ξ₂)和利用当前迭代的函数的权重向量w₁和w₂、函数的偏差b₁和b₂更新矩阵Ω及的值，判断训练算法是否停止；输出判别函数的权重向量w₁和w₂以及函数的偏差b₁和b₂，确定所述判别函数。

6.根据权利要求5所述的非线性稀疏孪生支持向量机的企业破产预测系统，其特征在于：所述优化问题包括优化问题(1)和优化问题(2)，其中λ₁,λ₂,λ₃,λ₄是提前确定的正则化参数,K₁和K₂分别是非破产企业和破产企业的相关数据的特征矩阵：