期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
混合增强型机器学习算法在稀土供应链金融中评价中小企业信用风险的研究
1
作者
徐中辉
饶振远
+2 位作者
黄晓东
姜馨圳
马艳丽
《稀有金属与硬质合金》
CAS
CSCD
北大核心
2024年第4期94-102,共9页
稀土是支撑高端技术创新和新能源产业发展的关键原材料之一,研究解决稀土供应链中小企业融资困难的问题,做强我国稀土产业链,更好地维护国家战略利益是当务之急。供应链金融作为创新型融资方式成为实现中小企业融资授信的一种主要手段,...
稀土是支撑高端技术创新和新能源产业发展的关键原材料之一,研究解决稀土供应链中小企业融资困难的问题,做强我国稀土产业链,更好地维护国家战略利益是当务之急。供应链金融作为创新型融资方式成为实现中小企业融资授信的一种主要手段,但其中信用风险问题成为融资决策中需解决的最关键问题之一。本文提出了一种混合增强型机器学习算法,首先采用动态透镜成像反向学习改进的海洋捕食者算法(IMPA)对支持向量机算法(SVM)进行优化,再采用AdaBoost算法对优化后的SVM进行集成,建立AdaBoost-IMPA-SVM模型。采用该模型对供应链金融风险进行评价,重新建立供应链金融风险体系指标,通过相关性分析进行特效选取,并从计算机通信及其他制造业选取52家中国上市中小企业2019—2021年期间140个样本作为特征变量输入模型。仿真实验结果验证了该模型相较于其他信用风险评价模型具有更好的分类识别性能。
展开更多
关键词
稀土产业链
供应链金融
中小企业
信用风险评价
混合增强型机器学习算法
海洋捕食者算法
支持向量机算法
AdaBoost算法
原文传递
题名
混合增强型机器学习算法在稀土供应链金融中评价中小企业信用风险的研究
1
作者
徐中辉
饶振远
黄晓东
姜馨圳
马艳丽
机构
江西理工大学信息工程学院
江西理工大学经济管理学院
江西理工大学工程研究院
出处
《稀有金属与硬质合金》
CAS
CSCD
北大核心
2024年第4期94-102,共9页
基金
国家重点研发计划重点专项(2020YFB1713700)。
文摘
稀土是支撑高端技术创新和新能源产业发展的关键原材料之一,研究解决稀土供应链中小企业融资困难的问题,做强我国稀土产业链,更好地维护国家战略利益是当务之急。供应链金融作为创新型融资方式成为实现中小企业融资授信的一种主要手段,但其中信用风险问题成为融资决策中需解决的最关键问题之一。本文提出了一种混合增强型机器学习算法,首先采用动态透镜成像反向学习改进的海洋捕食者算法(IMPA)对支持向量机算法(SVM)进行优化,再采用AdaBoost算法对优化后的SVM进行集成,建立AdaBoost-IMPA-SVM模型。采用该模型对供应链金融风险进行评价,重新建立供应链金融风险体系指标,通过相关性分析进行特效选取,并从计算机通信及其他制造业选取52家中国上市中小企业2019—2021年期间140个样本作为特征变量输入模型。仿真实验结果验证了该模型相较于其他信用风险评价模型具有更好的分类识别性能。
关键词
稀土产业链
供应链金融
中小企业
信用风险评价
混合增强型机器学习算法
海洋捕食者算法
支持向量机算法
AdaBoost算法
Keywords
rare earth industry chain
supply chain finance
small and medium-sized enterprises
credit risk evaluation
hybrid augmented machine learning algorithm
marine predator algorithm
support vector machine algorithm
AdaBoost algorithm
分类号
F224.9 [经济管理—国民经济]
原文传递
题名
作者
出处
发文年
被引量
操作
1
混合增强型机器学习算法在稀土供应链金融中评价中小企业信用风险的研究
徐中辉
饶振远
黄晓东
姜馨圳
马艳丽
《稀有金属与硬质合金》
CAS
CSCD
北大核心
2024
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部