企业风险等级预测的集成聚类方法研究

摘要

针对具有小或残缺例子集情况缺乏有效实用的预测方法，结合朴素贝叶斯网络和Gibbs抽样等进行聚类预测。为提高聚类预测的可靠性，条件密度采用高斯核密度，并引入形状参数，通过形状参数的不同设置进行集成聚类预测，以减小由单次聚类可能产生的预测偏差。分别使用企业风险数据和国际标准分类数据进行了实验与分析，结果显示了所建立的集成聚类预测更加有效和可靠。