高校学生个人信用评价方法及应用研究

发布时间：2020-03-19 06:41

【摘要】： 在现如今,个人信用建设是社会发展的必然趋势,个人信用评估是建立健全社会主义市场经济的需要,是全社会信用评估的重要组成部分,因此,对个人信用评价的研究也愈显其重要性,而高校学生个人信用评价管理系统项目的实施正是发展个人信用的基础。信用评价指的是根据目前所拥有的信用信息进行信用评估。信用分的计算根据个人的整个信用状况,不是由一个或几个因素决定的。信用分是由有利材料和不利记录共同决定的。信用评分给各种指标赋予不同的值,经过加权合计而成。信用评估模型利用一定的样本数据,首先确定刻画被评估人的信用、品德,以及支付能力的指标,再把各个指标分成若干个档次以及各个档次的得分,然后计算每个指标的加权,最后得到被评估人的信用等级。因此,信用评级问题的实质可以看作是模式识别中的分类与排序的问题。作者通过借鉴国内外专业资信评估机构和相关企业的常规信用评级方法,以及重庆大学在校学生的具体情况,总结并设计出适合实际应用的个人信用评价指标体系,提出了一套基于遗传算法和神经网络的高校大学生个人信用评价模型。该模型结合重庆大学在校大学生的实际情况制定了相应的在校大学生个人信用指标体系,利用神经网络进行个人信用等级的分类,将遗传算法与BP算法相结合作为神经网络的训练算法,使神经网络具有很快的收敛性以及较强的学习能力,在训练完成后,利用遗传算法进行剪枝以优化神经网络的结构,从而构建合理高效的个人信用评价模型。在将模型应用到重庆大学大学生个人信用评价系统的过程中,模型将遗传算法的全局寻优能力与BP算法的局部寻优相结合,使学习过程的可控性以及神经网络的精度、复杂度和泛化能力达到了较好的平衡。同时,为正常通过实际应用,验证并改善GA_NN个人信用评价模型,本项目开发相应的程序和计算机系统,系统的运行结果证明了该方法的有效性。
【图文】：

神经网络模型

ijw 为输入层和隐藏层之间的连接权值，jw 为输出层与隐藏层之间权值，ix 为输入， z 为输出，， f 为激发函数。训练结束后，调整遗传算法的适应度函数，将神经网络中连接权值较小或连接和输出较小或为零的节点剪除。.3.2 设计思想神经网络的基本结构Lippman(1987)认为，在模式空间中，即使各样本分布在相互犬牙交错的域内，三层神经网络就能构成所需要的复杂判别函数。1989 年，Recht-Nielson 也有类似证明，由于本模型是用于模式分类的判别函数的神经网此采用具有单隐层三层前馈网络。输入神经元个数与输入的个人信用指标个数相同。为保证学习过程的顺，指标需经过归一化处理后X'=max()min()min() X

个人信用,评价模型,高校学生,终端

型在系统中的应用及仿真当前我国信用体系建设的有关实际情况和大学生诚信评价具体需求，经过调研、比较和测算，利用建立的个人信用评价模型，开发动态的高校学生价管理系统。将评价模型和计算机系统有机的结合起来，完成科学、合理集、数据分类和处理、信用评价等管理过程。采用定性研究与定量分析相动态性与静态性相结合、内部评价与外部评价相结合的方法，力求全面反生的信用状况[42]。系统设计思想基于 GA-NN 的高校学生个人信用评价模型的设计方法，高校个人信用评系统应用三层网络体系结构，分别是终端层、应用层、Internet 层，按功能信数据库、个人信用管理中心、个人信用查询及资料修改终端、信息服务子系统。结构如图 4.2：打印机客户服务中心信用服务中心内电脑终端触摸屏圈存机、自助查询机终端
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：G645.5

【引证文献】