[发明专利]基于SVM-IOA集成的动态风险识别方法

权利要求书

1.基于SVM-IOA集成的动态风险识别方法，其特征在于，包括以下步骤；

Step1：初始化实验数据，对动态风险特征数据的选取，并对选取的动态风险特征数据进行归一化和降维处理，即通过对原始数据进行线性变换把数据映射到[0，1]之间，得到用于SVM-IOA训练和测试的样本数据；

Step2：将支持向量机目标函数设置为抗原，SVM及其核函数的参数g，γ作为抗体；

Step3：初始化SVM-IOA模型参数，运用Step1中的训练样本数据训练模型，通过多次迭代优化的参数，建立基于支持向量机与免疫优化算法(SVM-IOA)集成的动态风险识别模型；

Step4：运用Step3得到的SVM-IOA集成模型对测试样本集进行识别；

Step5：根据适应度函数，计算模型的精度，即通过函数计算，若不符合精度要求，重新设定SVM-IOA模型参数，并对参数进行免疫优化操作，产生新的种群数据，并对这些数据进行解码操作，返回Step3，重新训练，直至满足终止条件；若符合精度要求，转入Step6；

Step6：采用SVM-IOA算法，运用Step1中的训练样本数据训练模型通过多次迭代优化的参数，建立SVM-IOA测试模型，，并运用该模型对风险事件进行第一次识别，判断出是否为风险事件；

Step7：根据第一次识别结果，重新划分训练集和测试集，再次运用SVM-IOA模型对风险事件进行识别，判断该事件是高风险或低风险。