基于免疫系统的电子商务信用风险评价研究

发布时间：2017-04-29 00:13

  本文关键词：基于免疫系统的电子商务信用风险评价研究，由笔耕文化传播整理发布。

【摘要】：随着经济和科学技术的快速发展,电子商务的发展也是日新月异,越来越多的人参与其中。我们知道电子商务的交易具有不限时空性、虚拟性等特点,是一种非面对面的交易形式。这种交易形式给人们带来了极大的便利,不用出门,随时随地可以通过网络进行交易。人们在享受电子商务带来便利的同时,同样伴随着一系列电子商务信用风险问题的产生。由于一些信息的不对称或者商家或者消费者自身的一些原因,造成了消费者对电子商务企业产生各种信任问题,以至于损害了电子商务企业和消费者的利益,对于电子商务的健康发展形成了极大的隐患,正是基于这个原因,近些年来有关电子商务信用风险的评价研究也越来越多,同样也是人们关心电子商务健康发展的一个研究热点和重点。 本文正是基于对电子商务发展的探索,并且参考大量的文献资料。特别是对免疫算法的学习,发现可以在此基础上做一点工作。免疫算法是一种具有强大功能的人工智能算法,近些年来更是得到了广泛的发展和应用,并且都取得了很好的效果。加上之前关于推荐算法和差分进化算法的学习研究,本文具体介绍了生物免疫系统基本概念以及由免疫系统演变而来的免疫算法以及本文所应用的人工免疫系统的基本概念、原理和算法实现过程,以及推荐算法中的用户相似性和差分进化算法的交叉、变异和选择的操作过程。发现可以将推荐算法和差分进化算法的一些内容与免疫算法进行结合,即采用推荐算法中用户相似性的pearson度量方法来度量人工免疫网络中抗体-抗体或抗体-抗原的适应度；同时对于人工免疫网络中抗体的克隆选择过程,本文采用差分进化算法的交叉、变异、选择的操作来替代。因此本文提出了一个基于用户相似性的人工免疫网络电子商务信用风险评价模型(USAIN). 本文参考文献资料,整理了一套电子商务信用风险评价指标。选取了200家电子商务企业的信用风险情况作为实验数据。参考文献资料,将数据分为三大类,即信用好、信用中等和信用差。以本文的提出的模型(USAIN)为实验模型、用原始的人工免疫网络算法(AiNet)作对比,对数据进行计算机仿真实验,通过观察仿真图像、分析算法的收敛性以及算法的精度分析。发现USAIN算法模型能很好完成对电子商务的信用风险的评价,在聚类成功率上USAIN算法的100％高于AiNet算法的90%,在总体错误率上,USAIN算法的0.045的错误率明显高于AiNet算法的014的错误率。因此USAIN算法模型具有很强的实用性和效用性。也为探索电子商务信用风险的评价提供了一些新的思路。
【关键词】：电子商务 信用评价 人工免疫 用户相似性 差分进化
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP18;F724.6
【目录】：

• 摘要6-7
• Abstract7-11
• 1 绪论11-19
• 1.1 研究背景11-12
• 1.2 研究意义12-13
• 1.3 国内外研究现状13-15
• 1.3.1 国外研究现状13-14
• 1.3.2 国内研究现状14-15
• 1.4 本文的研究内容和创新点15-19
• 1.4.1 研究目的和内容15-17
• 1.4.2 本文的创新点17-19
• 2 免疫系统概述19-31
• 2.1 生物免疫系统介绍19
• 2.2 免疫系统理论学说19-20
• 2.3 免疫算法基本原理和步骤20-22
• 2.4 人工免疫系统的介绍22-31
• 2.4.1 人工免疫系统的基本模型22-23
• 2.4.2 人工免疫系统的设计框架23-25
• 2.4.3 人工免疫系统数据挖掘方法分析25-28
• 2.4.4 人工免疫系统的形态空间和抗体度量分析28-30
• 2.4.5 人工免疫系统数据挖掘的基本思路30-31
• 3 电子商务信用风险指标的制定31-38
• 3.1 电子商务信用风险指标构建原则31
• 3.2 电子商务风险预警指标选取的方法31-32
• 3.3 电子商务信用风险评价指标体系构建32-34
• 3.4 电子商务信用评价指标的选取34-38
• 4 基于人工免疫网络的电子商务信用风险评价模型设计(USAIN)38-52
• 4.1 抗体-抗原相似性计算39-43
• 4.1.1 协同过滤介绍39
• 4.1.2 相似性的原理表示39-40
• 4.1.3 相似性(User Similarity)的度量方法40-43
• 4.2 克隆选择过程中的差分进化操作43-44
• 4.3 USAIN模型设计44-52
• 4.3.1 算法中的名词解释44-46
• 4.3.2 USAIN模型的设计46-50
• 4.3.3 AiNet的实现过程50-52
• 5 USAIN模型的仿真与分析52-61
• 5.1 仿真数据获取52
• 5.2 数据预处理52-53
• 5.3 参数设置53-56
• 5.4 模型仿真56-58
• 5.5 模型的收敛性分析58-59
• 5.6 模型的效果评价59-60
• 5.7 本章小结60-61
• 6 总结与展望61-63
• 6.1 工作总结61
• 6.2 工作展望61-63
• 参考文献63-67
• 在校期间发表的论文、参与的科研项目67-68
• 致谢68-69

【参考文献】

中国期刊全文数据库 前10条

1 黎虹;商业信用与电子商务的发展[J];商业研究;2002年06期

2 徐仲伟;王宏伟;;论我国社会的诚信问题与诚信法律制度建设[J];重庆邮电大学学报(社会科学版);2007年01期

3 田沛;;B2C电子商务信用问题的对策建议[J];电脑知识与技术;2010年02期

4 王磊,潘进,焦李成;免疫算法[J];电子学报;2000年07期

5 魏明侠;于建华;孙鹏;;电子商务信用建立的评估机制研究[J];河南社会科学;2007年06期

6 孟丛;王新春;;基于C2C模式的电子商务信用评价模型研究[J];济南职业学院学报;2008年06期

7 王志梅;杨帆;;基于Hebbian一致性学习的P2P推荐算法[J];计算机工程与应用;2006年36期

8 郭伟光;李道芳;章蕾;;一种社会化标注系统资源个性化推荐方法[J];计算机工程与应用;2011年10期

9 张新猛;蒋盛益;;基于加权二部图的个性化推荐算法[J];计算机应用;2012年03期

10 王莉;;浅谈电子商务中的信用体系建设[J];江苏工业学院学报(社会科学版);2007年02期

  本文关键词：基于免疫系统的电子商务信用风险评价研究，由笔耕文化传播整理发布。

，

本文编号：333849