信用评估与信用卡欺诈侦测的智能决策系统研究

发布时间：2021-03-15 05:06

　　近十年来,我国金融机构以“跑马圈地”形式大力发展信用卡业务,使得信用卡发卡量呈现“井喷式”的增长。随着市场的急剧膨胀,信用卡的“高风险”特性亦逐渐暴露,信用卡风险管理与控制成为了金融机构风险管理的重要研究课题。传统的信用卡风险管理方法基本是建立在随机理论基础上,现行的个人信用评估模型多为单一的统计计量模型。这些模型与算法存在着以下两方面的基本问题:第一方面是缺乏处理病结构、非线性金融风险问题的能力;第二方面随机理论忽略了风险因素的模糊性而只强调风险因素的随机性。然而金融风险的计量是复杂和非结构性的决策问题,通常具有模糊特质,因此近年来以人工神经网络为代表的人工智能技术开始受到了研究人员的高度关注。各类人工智能技术由于各自的特点和技术缺陷,导致了单一技术在实践应用中陷入僵局。所以根据各技术的共同之处与特点,寻求各种人工智能技术的有机结合便成为自然而然的思路。本研究试图将模糊系统及模因算法与人工神经网络相结合,旨在将模糊逻辑运算融入人工神经网络的神经元与结构中建立模糊神经网络模型,从而改良人工神经网络的学习能力,并增强网络的直观性与灵活性;利用模因算法的全局搜索能力改进人工神经网络的训练算... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：161 页

【学位级别】：博士

【部分图文】：

图3-1分类递归图

图 5-3 一阶 Sugeno 模糊模型则有：12121122wwwwwfwff （5-1）图 5-4 Sugeno 模糊系统等效的 ANFIS 结构从图 5-4 可看出，ANFIS 网络共有五层：xw2w1xyyyxA2A1B1B2f2Prodf1ProdProdProdSumf

第五章 模因进化型模糊神经网络(M-FNN)模型研究该模型结构分为两部分：前置处理系统及后置处理系统。1．前置处理系统这部分作为带粗糙集前置处理的模因进化型模糊神经网络模型的前件，对数据进行预处理并采用粗糙集处理方法从原始数据中提取经验规则，代替领域专家经验构造-模糊神经网络。即根据原始数据离散化数据、建立决策表、约简决策表，将约简数据作为后件网络的输入，构造后置处理系统。采用粗糙集方法删除了冗余属性简化了数据表，因此可以大大减小后置处理系统的规模, 提高训练及收敛的速度李睿：信用评估与信用卡欺诈侦测的智能决策系统研究 J159


本文编号：3083611