基于GA-PSO-BP神经网络的车险欺诈识别研究

发布时间：2023-04-06 23:21

　　现如今,随着我国经济实力的快速提升,机动车的数量也在不断增加,机动车辆保险稳定的占据着财产保险中最大险种的地位。但是在我国的保险市场中,欺诈现象时有发生,据统计,欺诈案件涉及的金额至少占理赔总金额的20%,因此而造成的损失每年超过了200亿元。由此可见,如何准确有效地识别车险欺诈行为,是每个财险公司都需要解决的问题。本文对机动车辆保险欺诈的相关概念进行界定,对信息不对称理论、不完全合约理论和博弈论理论进行阐述,然后从投保人、保险人和社会环境三个方面分析了成因和危害,从欺诈形式多样化、欺诈手段专业化和犯罪主体团体化三个方面总结了机动车辆保险欺诈的特征,最后对机动车辆保险欺诈识别模型进行对比分析。在此基础上,本文使用BP神经网络模型,以美国马萨诸塞州AIB索赔数据集的描述和统计特征模拟的公开数据集作为样本数据进行机动车辆保险欺诈识别分析。实证结果显示,使用BP神经网络模型的总体预测准确率一般,为87.5%,尤其是对欺诈索赔案件的预测准确率较低,只有82%,无法较为准确的找出样本数据中的欺诈索赔案件。基于此问题,本文设计并实现了基于粒子群算法和遗传算法结合优化的GAPSO-BP神经网络模型。...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 选题背景及选题意义
        1.1.1 选题背景
        1.1.2 选题意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 文献评述
    1.3 研究内容与研究方法
        1.3.1 研究内容
        1.3.2 研究框架
        1.3.3 研究方法
    1.4 本文的创新点
        1.4.1 研究内容的创新
        1.4.2 研究方法的创新
第2章 车险欺诈概念及相关理论
    2.1 车险欺诈的定义
    2.2 车险欺诈的理论分析
        2.2.1 车险欺诈成因的理论基础
        2.2.2 车险欺诈的成因
        2.2.3 车险欺诈的特征
        2.2.4 车险欺诈的危害
    2.3 传统车险欺诈识别模型的分析
        2.3.1 Logistic模型
        2.3.2 AAG模型
        2.3.3 EXPERT SYSTEM模型
        2.3.4 BP神经网络模型
第3章 基于BP神经网络的车险欺诈识别
    3.1 样本来源与分析
        3.1.1 样本选取说明
        3.1.2 描述性统计
        3.1.3 相关性分析
    3.2 BP神经网络的理论分析
    3.3 BP神经网络建模
        3.3.1 样本数据归一化
        3.3.2 BP神经网络模型的参数设置
    3.4 BP神经网络模型的训练与测试
第4章 基于GA-PSO优化的BP神经网络车险欺诈识别
    4.1 粒子群优化算法
        4.1.1 粒子群算法的介绍
        4.1.2 粒子群算法的基本原理
    4.2 遗传优化算法
        4.2.1 遗传算法的介绍
        4.2.2 遗传算法的基本原理
    4.3 GA-PSO-BP神经网络设计与建模
        4.3.1 GA-PSO-BP神经网络模型设计
        4.3.2 GA-PSO-BP神经网络模型建模
    4.4 GA-PSO-BP神经网络模型的训练与测试
结论
参考文献
附录
致谢



本文编号：3784610