混合型核函數(shù)在銀行定期存款業(yè)務中的應用.pdf

1、銀行的主要業(yè)務之一是定期存款，定期存款的數(shù)目是銀行的生命線，市場競爭大，營銷活動的效果差，單靠提高存款利率已不能解決問題。目前數(shù)據(jù)挖掘技術已被廣泛應用于銀行業(yè)務中，而作為一種新興的數(shù)據(jù)挖掘方法支持向量機(SVM)，能否對銀行定期存款業(yè)務起到指導性作用還有待研究。
　　支持向量機(SVM)作為一種新興的機器學習方法發(fā)展迅猛，其選用的核函數(shù)和參數(shù)制約著分類和回歸的效果。然而局部核和全局核各有利弊，核參數(shù)和模型參數(shù)的選擇也往往取決于經(jīng)驗

2、，這些在一定程度上限制了SVM算法的實際應用。因此，本文研究了將局部、全局核組合起來的SVM分類器及其對應模型的參數(shù)綜合尋優(yōu)問題。
　　本文做的工作:(1)用局部核函數(shù)和全局核函數(shù)的線性組合構造混合型核函數(shù)，用此混合型核構造的模型本質(zhì)上是一個集成分類器。(2)將非啟發(fā)式式算法——網(wǎng)格搜索算法用于混合核模型所有參數(shù)的綜合尋優(yōu)。(3)將啟發(fā)式算法——動力粒子群算法用于混合核模型所有參數(shù)的綜合尋優(yōu)。(4)針對銀行定期存款業(yè)務定制率較低的