汪 磊 楊 希 黃蓉靜

（1 安徽工程大學(xué)，安徽 蕪湖 241000）

（2 合肥工業(yè)大學(xué)，安徽 合肥 230009）

基于GA-SVM方法的行業(yè)協(xié)會(huì)信用度評(píng)價(jià)分析

汪 磊1，2楊 希2黃蓉靜1

（1 安徽工程大學(xué)，安徽 蕪湖 241000）

（2 合肥工業(yè)大學(xué)，安徽 合肥 230009）

近年來(lái)，社會(huì)公眾對(duì)于行業(yè)協(xié)會(huì)信用問(wèn)題的關(guān)注越來(lái)越多。開(kāi)展行業(yè)協(xié)會(huì)信用評(píng)價(jià)分析，不僅有助于提高信用評(píng)價(jià)結(jié)果的準(zhǔn)確度，對(duì)行業(yè)協(xié)會(huì)精準(zhǔn)“畫(huà)像”，同時(shí)可以“以評(píng)促改”，提高行業(yè)協(xié)會(huì)的規(guī)范化管理水平。因此，圍繞行業(yè)協(xié)會(huì)信用度評(píng)價(jià)開(kāi)展分析，科學(xué)構(gòu)建了行業(yè)協(xié)會(huì)信用度評(píng)價(jià)系統(tǒng)，運(yùn)用支持向量機(jī)分類(lèi)方法建立行業(yè)協(xié)會(huì)信用度評(píng)價(jià)模型，并引入遺傳算法對(duì)模型進(jìn)行參數(shù)尋優(yōu)，最后，開(kāi)展實(shí)證分析并對(duì)行業(yè)協(xié)會(huì)提高信用度方面的決策提出具體建議。

行業(yè)協(xié)會(huì)；遺傳算法；支持向量機(jī)；信用評(píng)價(jià)

1 引言

近年來(lái)，行業(yè)協(xié)會(huì)在社會(huì)治理創(chuàng)新中的作用日益凸顯，成為保障經(jīng)濟(jì)社會(huì)持續(xù)穩(wěn)定的重要力量。然而受社會(huì)不良利益驅(qū)動(dòng)以及社會(huì)信用體系不健全等因素的影響，行業(yè)協(xié)會(huì)在持續(xù)發(fā)展過(guò)程中也存在內(nèi)部管理不規(guī)范、人才隊(duì)伍不穩(wěn)定、管理執(zhí)行效率低下、社會(huì)公信力不高等突出問(wèn)題。因此，創(chuàng)新行業(yè)協(xié)會(huì)的信用管理意義重大。一直以來(lái)，我國(guó)政府十分重視行業(yè)協(xié)會(huì)的信用體系建設(shè)工作，國(guó)務(wù)院在2014年發(fā)布的《社會(huì)信用體系建設(shè)規(guī)劃綱要（2014—2020年）》中就明確提出要“把誠(chéng)信建設(shè)內(nèi)容納入各類(lèi)社會(huì)組織章程，強(qiáng)化社會(huì)組織誠(chéng)信自律，提高社會(huì)組織公信力”[1]。

開(kāi)展行業(yè)協(xié)會(huì)信用評(píng)價(jià)分析，不僅有助于提高信用評(píng)價(jià)結(jié)果的準(zhǔn)確度，對(duì)行業(yè)協(xié)會(huì)精準(zhǔn)“畫(huà)像”，同時(shí)可以“以評(píng)促改”，提高行業(yè)協(xié)會(huì)的規(guī)范化管理水平。從國(guó)內(nèi)外文獻(xiàn)看，相關(guān)研究多數(shù)集中在個(gè)人信用評(píng)價(jià)和企業(yè)信用評(píng)價(jià)方面，對(duì)社會(huì)組織特別是行業(yè)協(xié)會(huì)信用問(wèn)題的分析較少。同時(shí)，研究涉及的評(píng)價(jià)方法主要包括AHP、ANP、DEA、FST、FMOP等，對(duì)人工智能算法的應(yīng)用不多。因此，本文對(duì)行業(yè)協(xié)會(huì)信用度評(píng)價(jià)開(kāi)展分析，科學(xué)構(gòu)建了行業(yè)協(xié)會(huì)信用度評(píng)價(jià)系統(tǒng)，運(yùn)用支持向量機(jī)分類(lèi)方法建立行業(yè)協(xié)會(huì)信用度評(píng)價(jià)模型，并引入遺傳算法對(duì)模型進(jìn)行參數(shù)尋優(yōu)，最后，開(kāi)展實(shí)證分析并對(duì)行業(yè)協(xié)會(huì)提高信用度方面提出具體的對(duì)策與建議。

2 理論分析

目前，信用評(píng)價(jià)研究多集中在個(gè)人信用和企業(yè)信用領(lǐng)域。在個(gè)人信用方面，Yang等通過(guò)采用人工免疫算法，利用傳統(tǒng)的預(yù)測(cè)精度和替代指標(biāo)，采用人工神經(jīng)網(wǎng)絡(luò)和邏輯回歸模型開(kāi)展客戶信用評(píng)估[2]。Ye等比較了個(gè)人信用評(píng)價(jià)模型，指出Logistic回歸和MLP-ANN方法在個(gè)人信用評(píng)價(jià)中具有較高可靠性和準(zhǔn)確率[3]。Li等提出使用PSO算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)參數(shù)對(duì)個(gè)人信用進(jìn)行評(píng)價(jià)的方法[4]。遲國(guó)泰等運(yùn)用支持向量機(jī)方法建立農(nóng)戶小額貸款信用評(píng)價(jià)模型[5]。此外，程鑫、孫璐、陳永明等也有過(guò)相關(guān)論述[6-8]。

在企業(yè)信用方面，Hajek等研究了等級(jí)評(píng)估的多種分類(lèi)方法，優(yōu)化特征選擇過(guò)程，改善了分類(lèi)結(jié)果的準(zhǔn)確性[9]。Attig等發(fā)現(xiàn)企業(yè)信用評(píng)級(jí)和社會(huì)責(zé)任體現(xiàn)之間的存在正向關(guān)系[10]。李菁苗等研究了電子商務(wù)環(huán)境下的中小企業(yè)信用評(píng)價(jià)指標(biāo)系統(tǒng)，提出了基于層次分析方法的企業(yè)信用度評(píng)價(jià)模型[11]。張目等利用可變模糊集理論，提出針對(duì)新興企業(yè)的動(dòng)態(tài)信用評(píng)價(jià)模型[12]。曹海敏等發(fā)現(xiàn)企業(yè)財(cái)務(wù)信用評(píng)價(jià)對(duì)企業(yè)的成長(zhǎng)性影響較大[13]。此外，楊楠、殷琦、張朝輝等也做過(guò)相關(guān)研究[14-16]。

綜上所述，不少學(xué)者對(duì)信用評(píng)價(jià)問(wèn)題進(jìn)行了研究，并做出了有益探索。但研究鮮有針對(duì)社會(huì)組織尤其是行業(yè)協(xié)會(huì)的信用評(píng)價(jià)分析，同時(shí)對(duì)人工智能領(lǐng)域的新算法涉及較少。因此，本文以行業(yè)協(xié)會(huì)信用度為研究對(duì)象，嘗試?yán)眠z傳算法和支持向量機(jī)分類(lèi)方法構(gòu)建行業(yè)協(xié)會(huì)的信用度評(píng)價(jià)模型，在問(wèn)題和方法方面具有一定的創(chuàng)新性。

3 行業(yè)協(xié)會(huì)信用度評(píng)價(jià)指標(biāo)體系

在指標(biāo)體系的實(shí)際構(gòu)建中，需要注意以下幾點(diǎn)：其一，行業(yè)協(xié)會(huì)涉及的范圍很廣，行業(yè)協(xié)會(huì)的類(lèi)型也十分多樣，因此在相關(guān)評(píng)價(jià)指標(biāo)體系構(gòu)建中需要滿足指標(biāo)體系適用于不同類(lèi)型行業(yè)協(xié)會(huì)的要求；其二，行業(yè)協(xié)會(huì)信用信息收集難度較大，不少數(shù)據(jù)涉及行業(yè)協(xié)會(huì)內(nèi)部信息，因此在行業(yè)協(xié)會(huì)信用度評(píng)價(jià)指標(biāo)體系設(shè)計(jì)時(shí)需要考慮數(shù)據(jù)收集的難度和可能性；其三，涉及行業(yè)協(xié)會(huì)信用評(píng)價(jià)的數(shù)據(jù)類(lèi)型十分多樣，因此在指標(biāo)體系構(gòu)建中需要同時(shí)考慮定性指標(biāo)和定量指標(biāo)的選取。圍繞上述指標(biāo)體系的構(gòu)建要求，本文從自身建設(shè)、內(nèi)部能力、社會(huì)影響三個(gè)維度考慮，構(gòu)建由9個(gè)二級(jí)指標(biāo)和20個(gè)三級(jí)指標(biāo)構(gòu)建而成的行業(yè)協(xié)會(huì)信用度評(píng)價(jià)指標(biāo)系統(tǒng)，具體如表1所示：

表1 行業(yè)協(xié)會(huì)信用度評(píng)價(jià)指標(biāo)體系

（續(xù)表）

在自身建設(shè)方面，主要包括行業(yè)協(xié)會(huì)基本條件和組織規(guī)范兩個(gè)二級(jí)指標(biāo)?；緱l件是指行業(yè)協(xié)會(huì)的基本情況，主要通過(guò)該行業(yè)協(xié)會(huì)開(kāi)辦資金數(shù)量和辦公條件的優(yōu)劣來(lái)評(píng)價(jià)。組織規(guī)范是指內(nèi)部管理的規(guī)范化程度，重點(diǎn)分析行業(yè)協(xié)會(huì)的內(nèi)設(shè)部門(mén)數(shù)量，協(xié)會(huì)架構(gòu)是否合理以及制度體系是否完善。

在內(nèi)部能力方面，主要包括人力資源、財(cái)務(wù)情況和業(yè)務(wù)開(kāi)展三個(gè)二級(jí)指標(biāo)。在人力資源領(lǐng)域，考察的內(nèi)容包括工作人員、專職人員比例、專職人員工資待遇。在財(cái)務(wù)管理領(lǐng)域，選取該行業(yè)協(xié)會(huì)年檢報(bào)告中的行業(yè)協(xié)會(huì)凈資產(chǎn)額、年凈資產(chǎn)變動(dòng)額、業(yè)務(wù)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~三項(xiàng)指標(biāo)。在業(yè)務(wù)開(kāi)展領(lǐng)域，主要考察行業(yè)協(xié)會(huì)年度業(yè)務(wù)活動(dòng)數(shù)量和購(gòu)買(mǎi)社會(huì)組織服務(wù)數(shù)量。

在社會(huì)影響方面，主要包括對(duì)外宣傳、公眾態(tài)度、政府支持和國(guó)際影響四個(gè)二級(jí)指標(biāo)。對(duì)外宣傳包括公開(kāi)發(fā)行刊物數(shù)量和內(nèi)部資料性刊物數(shù)量。公眾態(tài)度涉及行業(yè)協(xié)會(huì)年度公益活動(dòng)數(shù)和社會(huì)服務(wù)活動(dòng)數(shù)。政府支持涉及承接政府職能轉(zhuǎn)移數(shù)量和政府對(duì)行業(yè)協(xié)會(huì)的資助金額。國(guó)際影響力涉及行業(yè)協(xié)會(huì)參加國(guó)際活動(dòng)的數(shù)量。

4 GA-SVM模型

支持向量機(jī)分類(lèi)方法的基本思路是通過(guò)尋找最優(yōu)線性超平面，將用于尋優(yōu)的算法轉(zhuǎn)化為凸規(guī)劃問(wèn)題并求解，使用非線性映射將樣本空間映射到高維特征空間，從而解決初始樣本數(shù)據(jù)的高度非線性分類(lèi)及回歸問(wèn)題[17]。本文中，線性超平面即決策曲面可以將行業(yè)協(xié)會(huì)信用樣本數(shù)據(jù)分成差別最大的兩類(lèi)。設(shè)分類(lèi)線方程為f（x）=w·x+b，則分類(lèi)間隔M為：

求解支持向量可以轉(zhuǎn)化為求解一個(gè)帶約束的二次規(guī)劃問(wèn)題：

利用Lagrange乘子法求解上述二次規(guī)劃問(wèn)題，建立Lagrange函數(shù)：

引入懲罰函數(shù)進(jìn)行優(yōu)化，最后通過(guò)求解Lagrange對(duì)偶問(wèn)題得到最終表達(dá)式：

其中，系數(shù)C是懲罰因子，代表對(duì)錯(cuò)分點(diǎn)的懲罰力度。C值過(guò)高容易形成過(guò)擬合現(xiàn)象，而C值過(guò)低又會(huì)降低模型精度。k（xi，xj）代表核函數(shù)，核函數(shù)可以將非線性情況轉(zhuǎn)化為線性問(wèn)題。C值和核函數(shù)k（xi，xj）的取值直接影響模型的預(yù)測(cè)精度，因此需要通過(guò)參數(shù)尋優(yōu)找到C值和核函數(shù)k（xi，xj）的最優(yōu)解。本文選擇遺傳算法對(duì)上述模型進(jìn)行參數(shù)尋優(yōu)，GA算法偽代碼的形式化描述為：

Step1：進(jìn)行個(gè)體編碼，將單個(gè)樣本作為一條染色體，樣本的每個(gè)特征值即為染色體的一個(gè)基因，每一條染色體即為不同的特征子集；

Step2：隨機(jī)產(chǎn)生初始化種群，并初始化算法的有關(guān)參數(shù)；

Step3：適應(yīng)度計(jì)算，并執(zhí)行遺傳運(yùn)算：選擇，交叉和變異；

Step4：輸出結(jié)果若不滿足標(biāo)準(zhǔn)，則返回Step2繼續(xù)執(zhí)行。若滿足終止條件，則程序終止，并輸出最終結(jié)果。

在本文中，采用徑向基核函數(shù)作為上述模型的核函數(shù)。因此，行業(yè)協(xié)會(huì)的信用度評(píng)價(jià)模型可以進(jìn)一步表達(dá)為：

其中，C是懲罰因子，代表懲罰力度。g代表核參數(shù)，決定最優(yōu)線性超平面的形狀。g值越大說(shuō)明最優(yōu)線性超平面越平緩。

5 實(shí)證研究

5.1 數(shù)據(jù)描述

根據(jù)行業(yè)協(xié)會(huì)信用度評(píng)價(jià)指標(biāo)體系，需要從自身建設(shè)、內(nèi)部能力、社會(huì)影響三個(gè)方面收集相關(guān)數(shù)據(jù)?？紤]到數(shù)據(jù)收集的難度和可獲取性，本文決定選取某地區(qū)2015年行業(yè)協(xié)會(huì)的年檢數(shù)據(jù)作為研究樣本。收集樣本量總計(jì)782個(gè)，其中，有用樣本數(shù)據(jù)671個(gè)，每個(gè)樣本包含20個(gè)特征變量。由于所有數(shù)據(jù)均來(lái)自于權(quán)威渠道且經(jīng)過(guò)驗(yàn)證，保證了樣本數(shù)據(jù)的真實(shí)可靠。行業(yè)協(xié)會(huì)的年檢結(jié)果有不合格、基本合格和合格三種情況，分別設(shè)定為“-1”“0”和“1”。

行業(yè)協(xié)會(huì)的評(píng)價(jià)指標(biāo)設(shè)計(jì)涉及定性指標(biāo)和定量指標(biāo)兩類(lèi)，其中定性指標(biāo)是專家主觀評(píng)分，定量指標(biāo)是行業(yè)協(xié)會(huì)年檢報(bào)告中的實(shí)際數(shù)據(jù)。多維數(shù)據(jù)類(lèi)型容易造成行業(yè)協(xié)會(huì)信用度評(píng)價(jià)結(jié)果的不合理。鑒于此，本文先采用簡(jiǎn)單的數(shù)據(jù)歸一化處理的方法，首先對(duì)涉及到行業(yè)協(xié)會(huì)信用度評(píng)價(jià)的定性數(shù)據(jù)和定量數(shù)據(jù)進(jìn)行預(yù)處理，將多維的原始數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一格式的數(shù)值。

5.2 試驗(yàn)結(jié)果

與普通的二元分類(lèi)方法不同，支持向量機(jī)分類(lèi)方法并非只是產(chǎn)生“＋1”和“-1”兩個(gè)值。通過(guò)對(duì)支持向量機(jī)輸出的預(yù)測(cè)值進(jìn)行歸一化處理后就可以得到評(píng)價(jià)對(duì)象具體的信用度評(píng)分。只是當(dāng)預(yù)測(cè)結(jié)果大于0時(shí)，系統(tǒng)判定評(píng)價(jià)對(duì)象的分類(lèi)屬性為“＋1”；當(dāng)預(yù)測(cè)結(jié)果小于0時(shí)，系統(tǒng)判定評(píng)價(jià)對(duì)象的分類(lèi)屬性為“-1”。

本文選擇在Matlab環(huán)境下對(duì)模型進(jìn)行求解，首先運(yùn)用GA算法計(jì)算模型中懲罰因子C和核參數(shù)g的最優(yōu)解。如圖1所示，設(shè)定遺傳算法的進(jìn)化代數(shù)為100，種群數(shù)量為20，則通過(guò)運(yùn)算懲罰因子C和核參數(shù)g的最優(yōu)解分別是56.62和1.54；其次將交叉值設(shè)定為5并進(jìn)行交叉驗(yàn)證，通過(guò)Matlab運(yùn)算，模型的交叉驗(yàn)證準(zhǔn)確率為72.27%。

最后，本文隨機(jī)選取75%的樣本數(shù)據(jù)作為訓(xùn)練樣本，25%的樣本數(shù)據(jù)作為測(cè)試樣本，通過(guò)Matlab運(yùn)算后預(yù)測(cè)準(zhǔn)確率達(dá)到87.39%，預(yù)測(cè)結(jié)果良好。實(shí)驗(yàn)結(jié)果進(jìn)一步說(shuō)明GA-SVM模型適用于對(duì)行業(yè)協(xié)會(huì)信用度評(píng)價(jià)的研究。

6 對(duì)策與建議

圍繞行業(yè)協(xié)會(huì)信用度評(píng)價(jià)問(wèn)題開(kāi)展分析研究有利于提高行業(yè)協(xié)會(huì)的信用評(píng)價(jià)水平，對(duì)行業(yè)協(xié)會(huì)精準(zhǔn)“畫(huà)像”，同時(shí)也能夠“以評(píng)促改”，加快行業(yè)協(xié)會(huì)規(guī)范化管理步伐。目前，我國(guó)行業(yè)協(xié)會(huì)管理仍普遍存在內(nèi)部管理不規(guī)范、社會(huì)監(jiān)督不夠、組織公信力不高等突出問(wèn)題。因此，本文圍繞行業(yè)協(xié)會(huì)信用度問(wèn)題提出以下幾點(diǎn)對(duì)策建議，為政府部門(mén)的行業(yè)協(xié)會(huì)信用管理方面的決策提供有益參考：

圖1 參數(shù)優(yōu)化結(jié)果

其一，加強(qiáng)行業(yè)協(xié)會(huì)的規(guī)范化管理。從總體來(lái)看，行業(yè)協(xié)會(huì)發(fā)展仍處于起步階段，部分行業(yè)協(xié)會(huì)內(nèi)部管理混亂、人才流動(dòng)性大，難以滿足其持續(xù)發(fā)展的需求。加強(qiáng)行業(yè)協(xié)會(huì)管理規(guī)范，首先需要科學(xué)制定各行業(yè)協(xié)會(huì)的規(guī)范化管理標(biāo)準(zhǔn)，將標(biāo)準(zhǔn)考核納入行業(yè)協(xié)會(huì)的年檢指標(biāo)；其次進(jìn)一步優(yōu)化協(xié)會(huì)的組織構(gòu)架，合理設(shè)計(jì)組織層次和管理幅度，加強(qiáng)行業(yè)協(xié)會(huì)各團(tuán)隊(duì)間的分工與合作；最后要規(guī)范協(xié)會(huì)人力資源管理，針對(duì)崗位差異開(kāi)展員工“條塊”培訓(xùn)，制定協(xié)會(huì)工作者職業(yè)標(biāo)準(zhǔn)，完善相關(guān)人才的市場(chǎng)化評(píng)價(jià)制度。

其二，完善行業(yè)協(xié)會(huì)監(jiān)督檢查機(jī)制。多年來(lái)，年檢一直是對(duì)社會(huì)組織監(jiān)督的首要方式，但是年度檢查越來(lái)越難以滿足現(xiàn)階段行業(yè)協(xié)會(huì)信用管理的需要，也容易造成各類(lèi)失信行為的發(fā)生。對(duì)行業(yè)協(xié)會(huì)的信用行為進(jìn)行有效監(jiān)督，首先應(yīng)考慮制定多主體共同參與機(jī)制。由于信用度檢查監(jiān)督的涉及面較廣，因此需要建立多部門(mén)聯(lián)動(dòng)機(jī)制，實(shí)現(xiàn)相關(guān)信用信息共享；其次是要保證行業(yè)協(xié)會(huì)信用監(jiān)管的透明度，加快協(xié)會(huì)信息發(fā)布平臺(tái)建設(shè)，通過(guò)平臺(tái)及時(shí)讓公眾了解各類(lèi)信息；第三建立健全行業(yè)協(xié)會(huì)信用評(píng)價(jià)系統(tǒng)，對(duì)協(xié)會(huì)信用情況進(jìn)行跟蹤管理。

其三，擴(kuò)大行業(yè)協(xié)會(huì)社會(huì)影響力。從年檢數(shù)據(jù)看，多數(shù)行業(yè)協(xié)會(huì)的組織活動(dòng)次數(shù)有限，部分行業(yè)協(xié)會(huì)處于停滯和半停滯狀態(tài)，導(dǎo)致公眾對(duì)行業(yè)協(xié)會(huì)的認(rèn)識(shí)度和好感度不高。擴(kuò)大行業(yè)協(xié)會(huì)社會(huì)影響力，首先需要提高行業(yè)協(xié)會(huì)運(yùn)營(yíng)能力，拓寬行業(yè)協(xié)會(huì)參與社會(huì)治理途徑，鼓勵(lì)行業(yè)協(xié)會(huì)承接政府轉(zhuǎn)移職能；其次要增加協(xié)會(huì)在行業(yè)內(nèi)的影響力，堅(jiān)持行業(yè)協(xié)會(huì)在行業(yè)規(guī)范、標(biāo)準(zhǔn)制定以及集體談判中的主體性地位，并且鼓勵(lì)行業(yè)協(xié)會(huì)代表本行業(yè)參與外部交流與合作；最后要加大協(xié)會(huì)的宣傳力度，引導(dǎo)行業(yè)參與社會(huì)公益事業(yè)，提高公眾對(duì)行業(yè)協(xié)會(huì)的認(rèn)識(shí)度和好感度。

[1]國(guó)務(wù)院.社會(huì)信用體系建設(shè)規(guī)劃綱要（2014-2020年）[Z].2014.

[2]YANG Z C，KUANG H，XU J S，et al.Artificial immateriality-based credit evaluation for mobile telephone customers[J].Journal of the Operational Research Society，2015，（9）：1533-1541.

[3]YE H，LI N，F(xiàn)ENG H，et al.The comparisons of personal credit evaluation Models[J].Information Technology Journal，2011，（11）：2237-2241.

[4]LI S，ZHU Y，XU C，et al.Study of personal credit evaluation method based on PSO-RBF neural network model[J].American Journal of Industrial and Business Management，2013，（4）：429-434.

[5]遲國(guó)泰，潘明道.基于綜合判別能力的農(nóng)戶小額貸款信用評(píng)價(jià)模型[J].管理評(píng)論，2015，（6）：23-27.

[6]程鑫.基于支持向量機(jī)的農(nóng)戶信用評(píng)價(jià)研究[D].太原：山西財(cái)經(jīng)大學(xué)，2015：45.

[7]孫璐，李廣建.多維個(gè)人信用評(píng)價(jià)特征感知模型的研究[J].情報(bào)工作，2015，（21）：12-23.

[8]陳永明，周龍，李雙紅.基于AHP和DEMATEL方法的農(nóng)戶信用評(píng)級(jí)研究[J].征信，2012，（5）：20-24.

[9]HAJEK P，MICHALAK K.Feature selection in corporate credit rating prediction[J].Knowledge-Based Systems，2013，（1）：72-84.

[10]ATTIG N，GHOUL S E，GUEDHAMI O，et al.Corporate social responsibility and credit ratings[J].Journal of Business Ethics，2013，（4）：679-694.

[11]李菁苗，吳吉義，章劍林，等.電子商務(wù)環(huán)境下中小企業(yè)信用評(píng)價(jià)[J].系統(tǒng)工程理論與實(shí)踐，2012，（3）：45-57.

[12]張目，匡暑炎，閆慧杰.基于模糊積分法的戰(zhàn)略性新興產(chǎn)業(yè)企業(yè)信用評(píng)價(jià)[J].會(huì)計(jì)之友，2013，（21）：23-28.

[13]曹海敏，常越.企業(yè)財(cái)務(wù)信用評(píng)價(jià)對(duì)成長(zhǎng)性的影響效應(yīng)分析[J].經(jīng)濟(jì)問(wèn)題，2015，（10）：34-42.

[14]楊楠.我國(guó)中小高新技術(shù)企業(yè)融資信用評(píng)價(jià)的研究[J].科技與經(jīng)濟(jì)，2011，（3）：31-35.

[15]殷琦.基于社會(huì)資本的中小企業(yè)信用評(píng)價(jià)[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2011：32.

[16]張朝輝，梁慧，褚美玲.基于P2P模式的C2C信用評(píng)價(jià)方法研究[J].管理評(píng)論，2015，（12）：56-63.

[17]唐發(fā)明，王仲東，陳錦云.支持向量機(jī)多類(lèi)分類(lèi)算法研究[J].控制與決策，2005，（7）：746-754.

ANALYSIS ON THE CREDIT EVALUATION OF INDUSTRY ASSOCIATION BASED ON GA-SVM METHOD

WANG Lei1，2Yang Xi2HUANG Rong-jing1
（1 Anhui Polytechnic University,Wuhu Anhui 241000）
（2 Hefei University of Technology,Hefei Anhui 230009）

In recent years,the issue of association credit has attracted more attention of the public.Generally,the analysis of association credit evaluation might not only contribute to the accuracy of evaluation results, but also successfully raise the standardized management level of industry association in the process of credit evaluation.Thus,this paper focuses on the issue of credit evaluation on industry association,analyzes an index system of credit evaluation,develops an evaluation model of industry association based on SVM, introduces GA method for parameter optimization, and further proposes some specific suggestions on the improvement of association credit.

industry association；GA；SVM；credit evaluation

C916

A

1672-2868（2017）04-0044-06

2017-03-09

安徽省高等學(xué)校人文社會(huì)科學(xué)研究重點(diǎn)項(xiàng)目（項(xiàng)目編號(hào)：SK2016A0114）；安徽工程大學(xué)“地方政府與社會(huì)治理創(chuàng)新研究中心”招標(biāo)項(xiàng)目（項(xiàng)目編號(hào)：DS2015D02）

汪磊（1984-），男，安徽蕪湖人。安徽工程大學(xué)管理工程學(xué)院，講師。研究方向：社會(huì)治理。

責(zé)任編輯：楊松水