企业信用评估是对企业能否如约还本付息的能力和可信任程度的评估。企业信用评估属于高风险的金融分析决策,针对之前的信用评估只能给出评估结果却没能给出作出此评估的可信程度的情况,本文进一步提出了可以进行置信判断的企业信用置信评估。本文将分类机器(包括KNN、SVM)嵌入到根据Kolmogorov的算法随机性理论描述定义的具有置信判别能力的置信学习机器TCM中,通过对奇异描述函数的有效设计,近似实现了Kolmogorov的算法随机性理论定义的普适不可计算的随机性描述函数;并将多种TCM算法应用到企业信用置信评估中,使得分类机器在学习判断对象类别的同时能够给出该次判断的可信程度,丰富了学习机器的输出信息。结果表明,基于TCM框架的企业信用置信评估,提高了其可靠性和灵活性。本文的主要研究工作有:一,先将基于欧氏距离的TCM-KNN算法应用于企业信用置信评估,而后通过改进得到基于核的TCM-KNN算法并将其应用于企业信用置信评估,取得了较好的实验效果;二,根据SVM的优良模型及其核优势,本文进一步引进了基于拉格朗日乘子的TCM-SVM算法,并同样将其应用于企业信用置信评估,取得了更好的效果;三,通过对基于拉格朗日乘子的TCM-SVM算法的改进,得到了改进的TCM-SVM算法并将其应用于企业信用置信评估,取得了令人满意的实验效果。本文成功地将TCM运用到企业信用评估,首次提出了可以进行置信判断的企业信用置信评估,这无疑是对企业信用评估的一个崭新的有益尝试,同时也期望基于TCM框架的企业信用置信评估在今后有更好的发展。