计算机应用

作者：李博, 张晓, 颜靖艺, 李可威, 李恒, 凌玉龙, 张勇

单位：1. 西北工业大学 计算机学院, 西安 710129;2. 工信部大数据存储与管理重点实验室(西北工业大学), 西安 710129;3. 西北工业大学 管理学院, 西安 710129

关键词：K-最近邻算法,值差异度量距离,金融危机,行为预测,数据挖掘

基金：国家重点研发计划项目（2018YFB1004401）。

为提升贷款金融客户行为预测的准确性，针对传统的K-最近邻（KNN）算法在数据分析中处理非数值因素的不完备问题，提出了一种采用值差度量（VDM）距离的对聚类结果迭代优化的改进KNN算法。首先对收集到的数据信息进行基于VDM距离的KNN算法的聚类，再对聚类结果进行迭代分析，最后通过联合训练提高了预测精度。基于葡萄牙零售银行2008—2013年收集的客户数据比较可知，改进的KNN算法与传统的KNN算法、基于属性值相关距离的KNN改进（FCD-KNN）算法、高斯贝叶斯算法、Gradient Boosting等现有算法相比具有更好的性能和稳定性，在银行数据预测客户行为中具有很大的应用价值。

来源：2019年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第9期