基于k-means算法的馬田系統(tǒng)研究及其在個人信用評價中的應(yīng)用.pdf

1、伴隨著中國經(jīng)濟的迅速發(fā)展，信用交易越來越普遍，提高信用管理的技術(shù)水平和建立良好的信用評估模型變得極為重要。馬田系統(tǒng)是一種行之有效的模式識別方法，目前在很多領(lǐng)域都得到了應(yīng)用。本文將k-means聚類算法引入到馬田系統(tǒng)中，構(gòu)建了一種基于k-means聚類算法的馬田系統(tǒng)模型，并將其應(yīng)用到個人信用評價中，取得了較好的效果。主要研究內(nèi)容包括以下的兩個方面:
　　(1)基于k-means聚類算法的馬田系統(tǒng)理論研究
　　篩選特征變量是馬田

2、系統(tǒng)中的一個重要環(huán)節(jié)，不同特征變量構(gòu)成的基準空間就會得到不同的類別分析結(jié)果，如何有效地篩選特征變量是一個值得研究的問題。傳統(tǒng)的馬田系統(tǒng)利用正交表來設(shè)計試驗方案，利用異常樣品馬氏距離的信噪比來對特征變量進行篩選，從而有效減少特征變量的個數(shù)。本文試圖將k-means聚類算法與馬田系統(tǒng)結(jié)合起來，利用正交表來設(shè)計試驗方案，針對每一種試驗方案，都利用k-means算法對原始樣品進行聚類，得到多組聚類結(jié)果的正確率，以該正確率的信噪比作為篩選特征變量

3、的評價指標，進而得到有效的特征變量，達到優(yōu)化馬田系統(tǒng)基準空間的目的。
　　(2)基于k-means聚類算法的馬田系統(tǒng)應(yīng)用研究
　　以某銀行的個人信用評價數(shù)據(jù)為背景，對基于k-means聚類算法的馬田系統(tǒng)模型進行應(yīng)用研究。將k-means聚類算法、基于k-means聚類算法的馬田系統(tǒng)方法以及傳統(tǒng)馬田系統(tǒng)方法在個人信用評價中的應(yīng)用進行具體研究，并進行比較與分析。最后得出結(jié)論:基于k-means聚類算法的馬田系統(tǒng)模型所篩選的變量與