吉林大学学报（信息科学版）
吉林大學學報（信息科學版）
길림대학학보（신식과학판）
JOURNAL OF JILIN UNIVERSITY(INFORMATION SCIENCE EDITION)
2010年
5期
488-491
,共4页
Linex损失%RBF神经网络%信用评分
Linex損失%RBF神經網絡%信用評分
Linex손실%RBF신경망락%신용평분
针对应用RBF(Radial Basis Function)神经网络信用评分中存在的第Ⅰ类错误率高的问题,提出了基于Linex损失下RBF神经网络分类方法,并给出了UCI(University of California Irvine)中德国信用评分数据集上的测试结果.实验结果表明,该方法能有效解决传统RBF神经网络信用评分中存在的问题.
針對應用RBF(Radial Basis Function)神經網絡信用評分中存在的第Ⅰ類錯誤率高的問題,提齣瞭基于Linex損失下RBF神經網絡分類方法,併給齣瞭UCI(University of California Irvine)中德國信用評分數據集上的測試結果.實驗結果錶明,該方法能有效解決傳統RBF神經網絡信用評分中存在的問題.
침대응용RBF(Radial Basis Function)신경망락신용평분중존재적제Ⅰ류착오솔고적문제,제출료기우Linex손실하RBF신경망락분류방법,병급출료UCI(University of California Irvine)중덕국신용평분수거집상적측시결과.실험결과표명,해방법능유효해결전통RBF신경망락신용평분중존재적문제.
