摘要：支持向量机（SVM）中的参数影响着模型的分类能力，为了使SVM获得更好的分类能力，针对SVM中的人为选择参数的随机性，提出了利用粒子群算法（PSO）进行优化的方法，构建了PSO-SVM模型，并将其应用于商业银行的个人信用评估中。通过改进的PSO算法对SVM中的参数进行优化，并通过粒子适应度函数的设置来控制给商业银行造成较大损失的第2类误判的发生。应用结果表明，PS0-SVM模型的分类精度高，第2类误判率低，并且表现出较好的稳健性，对于控制消费信贷风险具有良好的适用性。

关键词：个人信用评估 支持向量机 粒子群算法 

单位：哈尔滨工业大学管理学院