[发明专利]基于支持向量机的信贷防伪方法

摘要

本发明提供一种基于支持向量机的信贷防伪方法。所述基于支持向量机的信贷防伪方法在训练阶段，采用新的目标函数将支持向量机的分类方法和回归方法有机结合在一起，进而保证学习的分离段内部覆盖更多疑似信贷诈骗样例，而分离段两边分别为正常样例和信贷诈骗样例；在预测阶段，若待预测样例落在分离段内部，则预测该实例为疑似信贷诈骗；若在分离段两边，则根据其落在的具体位置，预测其为正常或信用诈骗。与相关技术相比，本发明提供的基于支持向量机的信贷防伪方法能够有效地分析样本是否属于疑似信用诈骗，并且能在预测正常和信用诈骗样例上保持高准确率。

主权项

一种基于支持向量机的信贷防伪方法，其特征在于，包括：步骤1，建立信用贷款变量的信息描述表；获取训练样本，根据所述信息描述表对训练样本进行处理，建立训练样本信息表；步骤2，建立目标函数，并利用所述的目标函数将支持向量机分类策略和支持向量机回归策略合并，所述的目标函数为：minw,b12w2+C1Σi=1l(ξi2+ξ^i2)+C2Σj=l+1l+m+nξj2]]>其中：yi(w·xj)≥1‑ξj，j＝l+1，L，l+m+n，(w·xi)‑yi≤1+ξi，i＝1，L，l，yi-(w·xi)≤1+ξ^i,i=1,L,l,]]>ξj≥0，j＝l+1，L，l+m+n，ξi,ξ^i≥0,i=1,L,l]]>其中，w是超平面的参数，l是训练样本表中疑似信贷诈骗样本的数目，m和n分别是训练样本表中信用诈骗样本和正常样本的数目，C1是疑似信贷诈骗错误分类时的惩罚权重，C2是信用诈骗样例或正常样例错误分类时的惩罚权重；步骤3，使用10折交叉验证确定参数C1和C2的取值：随机平均划分训练数据集为10折，对于每一折，其它折用于训练模型，该折用于测试训练到的模型的性能；平均每一折的结果得到模型最终的优泛化性能；设置C1和C2取值范围分别为[0.1，0.2，0.3，...，1.0]；对于具有最优泛化性能模型对应的C1和C2取值，步骤4，设置在整体训练集上，使用迭代法训练最终模型，利用目标函数求解到的参数w；迭代过程用为：w(k+1)=w(k)-Hk▿L(w(k))]]>其中w(k)为第k次迭代w的值，是目标函数在w(k)处的梯度，Hk表示第k次迭代目标函数的Hesse矩阵，其初始值H0为单位矩阵，Hk使用如下迭代方法计算：Hk+1=Hk+(1+q(k)THkq(k)p(k)Tq(k))p(k)p(k)Tp(k)Tq(k)-p(k)q(k)THk+Hkq(k)p(k)Tp(k)Tq(k)]]>其中步骤5，利用步骤1的信息描述表处理预测样本x’，计算支持向量机的输出函数y＝wx’+b，进而模型预测与预测样本x’关联的类标号为：