吴尚智, 王旭文, 王志宁, 任艺璇

(西北师范大学 计算机科学与工程学院，兰州 730070)

个人信用评估是银行对借款人信用的一种评估方式，通过科学方法，综合考察影响个人的主客观环境，评估用户能否履行对银行的经济承诺。

大数据时代，数据量越来越大。粗糙集理论是由波兰数学家Z.Pawlak[1]提出，处理数据中模糊性、不可分辨性和不确定性问题的数学工具。属性约简是在保持知识库分类能力不变的条件下，删除其中不相关或不重要的知识，从而减少其对计算过程及最终结果产生的影响。因属性约简已被证明是一个NP[1]难题，且大量研究表明，对于复杂的问题，融合智能优化算法比单一算法使用相同参数时性能优化和鲁棒性均有大幅度提升[2-3]。近年来，各类数据分析方法和预测模型在银行借贷风险中得到广泛应用，S.Chatterjee等[4]将KNN算法应用到评分模型中，先利用聚类将已有的客户分开，再计算新用户在欧式空间下与已有用户的距离，判断其属于哪个类别；J.C.Wiginton[5]将Logistic回归模型引入个人信用评估中有着稳定性、准确率高的优点，得到大量使用；P.Makowski[6]将决策树用于个人信用评估，主要用来处理确定信息；M.D.Odom等[7]将神经网络用于风险评估，其具有自主学习和高速寻找优化解的能力；T.C.Forgarty等[8]将遗传算法运用到风险评估中的模型优化；张佳维[9]将模糊理论和神经网络结合的模糊神经网络算法，通过调节参数，得到准确性和精确性都很好的个人信用评分模型；B.Basense等[10]将支持向量机使用到个人信用评估中，研究表明数据维度较高的情况下，支持向量机模型明显优于神经网络和线性回归模型；……