一种大数据背景下基于多层遗传方法的供应链金融征信分析方法技术

本发明专利技术公开了一种大数据背景下基于多层遗传方法的供应链金融征信分析方法，本发明专利技术设计了数据分级的方法对其进行模糊处理，有效的加快计算机对数据的分析与运算；同时，在编码阶段，本实施例按照供应链数据的特性将其分为三层，且每一层设计了对应的交叉方式。作为底层的遗传片段，本实施例设计随机交叉点，以满足种群的多样性；作为中间层的染色体，对寻找局部最优解起到了至关重要的作用，所以本实施例采用黄金分割法设计固定交叉点，同时避免了不同类型数据之间的相互影响；作为顶层的细胞核，其交叉的目的是将适应度高的染色体集中到一条染色体中，加快细胞核的进化速度，提高方法的收敛速度。

【技术实现步骤摘要】

本专利技术涉及一种大数据背景下基于多层遗传方法的供应链金融征信分析方法。
技术介绍
目前银行业务中，主要收益来源是为企业提供融资即金融借贷服务，但由于各家企业的经营状况不尽相同，为了尽可能的降低银行融资所可能产生的风险，在启动融资前，银行会对相应企业进行评估，评估需要采集企业相应的金融数据，并进行有效的分析。但在目前，传统银行融资所依靠的信息较少，且为静态分析。然而在供应链金融中，每天所产生的数据量非常庞大，而且是动态的数据，但是这些数据对信用评级的重要程度却不一样，如果对这些动态数据进行无差别的全盘分析，不仅工作量过于庞大，而且也无法准确的得到关于企业金融能力的有效评估。所以，在对企业进行融资的时候需要具体的知道这些供应链数据对其信用评价的影响力，但是目前并无相关的研究。
技术实现思路
为了解决目前供应链金融数据分析不够准确的技术问题，本专利技术提供一种大数据背景下基于多层遗传方法的供应链金融征信分析方法，以期能够实现准确的供应链金融征信分析。为了实现上述技术目的，本专利技术的技术方案是，一种大数据背景下基于多层遗传方法的供应链金融征信分析方法，包括以下步骤：步骤一：数据模糊处理，将供应链金融所提供的用来表示某公司某段时间内的所有评价数据原始数据矩阵L＝{ln,m|ln,m∈{0,1

【技术保护点】
一种大数据背景下基于多层遗传方法的供应链金融征信分析方法，其特征在于，包括以下步骤：步骤一：数据模糊处理，将供应链金融所提供的用来表示某公司某段时间内的所有评价数据原始数据矩阵L＝{ln,m|ln,m∈{0,1}}N×M进行模糊处理，得到模糊评级矩阵H；步骤二：初始化参数，由模糊评级矩阵H得到单位时间的个数N，即矩阵H的行数；以及评价指标的个数M，即矩阵H的列数，然后对每一个指标设定需要分级的级数，第m个指标需要的设定的级数记为hm；同时设定第m个指标所对应的遗传片段的长度τm；依据具体的数据确定原始还贷能力fitA(n)；设定种群个数为D，随机生成lw行D列的种群矩阵B；确定细胞核中的染色体Crk的个数K；设置变异概率rava；步骤三：种群选择，通过计算种群中每个细胞核的适应度fitd，采用种群选择得到新的种群矩阵B；步骤四：遗传片段交叉，将种群中的细胞核随机两两配对，在细胞核内对每一个遗传片段随机设定交叉点，交换配对的两个细胞核中所有对应遗传片段交叉点的后半段，组成新的种群；步骤五：染色体交叉，对于新生成的种群，重新随机两两配对细胞核，按照黄金分割法选择交叉点，然后互换两个细胞核中所有对应染色体在交叉点的后半段，生成新的种群；步骤六：细胞核交叉，重新对种群中的细胞核两两配对，对于细胞核Nucld和Nucle，比较fitd和fite的大小，将大的作为主细胞核，假设记fitd为主细胞核；然后计算两个细胞核中对应的染色体Crd,k和Cre,k的适应度fitCrd,k和fitCre,k，比较fitCrd,k和fitCre,k的大小，若fitCrd,k≥fitCre,k则不作交叉处理，若fitCrd,k<fitCre,k，将交换两个细胞核中的Crd,k与Cre,k染色体；步骤七：变异运算，按照变异概率rava，对细胞核内的基金位随机取反，即0变1，1变0；步骤八：t＝t+1转至步骤三直至完成计算。...

【技术特征摘要】
1.一种大数据背景下基于多层遗传方法的供应链金融征信分析方法，其特征在于，包括以下步骤：步骤一：数据模糊处...

【专利技术属性】
技术研发人员：杨智，曾峰，
申请(专利权)人：湖南文沥征信数据服务有限公司，
类型：发明
国别省市：湖南;43