加强和改善车险理赔服务的若干策略

近年来随着我国社会经济的快速发展,居民生活水平得到明显改善,私家车辆的日渐增多,车险理赔服务也越来越受到人们的关注和重视。车险理赔作为保险公司的重要业务,由于经营和管理上的相关问题,车险理赔难已经成为保险行业的通病,这不但影响到消费者的实际利益,同时也对保险公司的市场形象构成一定的损害。该文就如何加强和改善车险理赔服务展开分析,探讨车险理赔的基本现状以及服务当中所存在的相关问题,并提出合理的优化对策,希望对车险理赔服务的开展起到一定的借鉴和参考作用。     

基于粗糙集理论的入侵检测的研究

为了提高入侵检测效率,文章提出了基于粗糙集理论的入侵检测模型,通过应用LEM2和Decomposition Tree算法进行粗糙集的约简,得出了当训练数据集太多时,要对其进行分类和生成规则,必须使用分解树算法来处理的结论。并且实验证明,Decomposition Tree算法对U2R和R2L的某些攻击类型也有较好的检测率。     

C-Tree:一种多维对象的动态索引方法

在X－Tree的基础上，提出了一种新的动态索引方法C－Tree。该方法继承了X－Tree超节点的观点，针对X－Tree分裂算法的不足，给出了新的分裂算法，并通过理论和实验数据，证明了C－Tree的整体性能优于X－Tree。     

多结果三值图像多重构

少量的投影数据不能保证重构的完成,即使所研究的图像内只有3种质地.此前提出的Line Mojette算法能够在少量投影数据状况下完成重构,但仅限于单个且完全精确的重构结构能够得到的状况.为此,文中在Line Mojette算法的基础上,采用树分解来推演出一个名为Tree Line Mojette的算法来对三值图像进行重构,该算法可以在Line Mojette算法不能完成重构的情况下给出所有可能的重构结果.     

基于因子分析与K-means聚类算法的P2P网贷平台风险评估模型

【目的】将人工智能领域的技术应用于网贷平台风险识别，提出了一种用于P2P网贷平台的风险评估模型，为网贷平台的风险划分提供决策支持。【方法】通过因子分析提取因子指标，进而利用K-means聚类算法对基于因子指标变化后的网贷平台运营数据进行聚类簇的划分，最终通过聚类结果对P2P网贷平台的风险进行划分。【结果】在获取真实网贷数据之后，采用皮尔森相关系数对平台指标进行影响指标的划分，随后使用因子分析将影响指标转化为因子指标，并在因子指标的基础上采用K-means算法对数据进行聚类分析。【结论】实验结果表明，因子分析聚类方法所得到的分析结果更为符合网贷数据所对应公司产品的实际情况，所得结论符合金融领域的实际情况，其聚类结果对网贷平台的风险评估和风险预测具有指导性的意义。     

粒度计算中混合属性约简的权重模糊粗糙集模型

针对权重粗糙集模型不能有效处理非平衡混合数据的问题,对权重论域上的各种类型变量进行分析并建立统一的模糊等价关系,提出混合数据上的权重模糊粗糙集模型,并利用该模型构造出带权模糊等价空间上的混合属性约简算法.混合属性约简算法产生的模糊软划分可以克服权重论域上离散硬划分产生的信息损失.在非平衡混合数据集上进行的实验结果表明,与基于权重粗糙集的算法相比,基于权重模糊粗糙集模型的属性约简算法的平均分类精度提高了11.9%.     

试论汽车理赔服务的“外包”创新模式研究

车险的竞争是非常激烈的,应在服务模式上加强竞争实力,近年来在理赔服务模式的创新,尤其是外包服务模式的出现,为保险公司在车险条款统一的今天增加了运营模式中的"亮色"。该文分析了传统理赔服务模式的不足,对"外包"的创新服务模式展开论述。     

基于Tree-CNN 的飞机腐蚀铆钉分类

针对目前飞机腐蚀铆钉分类准确率较低，且以手工检测为主的现状，提出一种基于Tree 结构的CNN ( Convolutional Neural Networks) 分类算法用于飞机铆钉腐蚀分类。算法中Tree 的深度和节点数由普通结构的 CNN 分类方法计算得到的铆钉类别的混淆矩阵决定，对于5 分类的飞机铆钉实验，Tree 的深度为3。经实验验 证，所提出的Tree-CNN 模型在飞机腐蚀铆钉数据集上分类精度达到86． 5%，获得了较高的腐蚀铆钉分类准 确率。     

基于深度置信网络与梯度提升决策树的糖尿病检测方法

针对糖尿病数据特征维度较高,单一分类器过度拟合导致性能受限,不能较好对糖尿病进行分类识别这一问题,提出了一种深度置信网(Deep Belief Networks,DBN)融合梯度提升决策树(Gradient Boosting Decision Tree,GBDT)的糖尿病检测算法(DBN-GBDT).该算法利用DBN对海量数据的特征提取和拟合复杂模型的能力,GBDT算法具有很强的泛化能力,将DBN用于特征提取和特征降维,GBDT方法用于分类.将提出的算法用于糖尿病数据分类识别,并与DBN、GBDT、SVM和随机森林四种经典方法进行对比.实验结果表明,该算法分类精度较高,稳定性更强,为糖尿病检测提供了新的方法.     

基于密度峰值聚类的高斯混合模型核电运行工况划分

核电厂运行数据记录了核电厂的运行状态,对核电数据进行处理分析从而完成准确的工况划分是实现核电厂运行状态监测的重要基础。为提高核电厂的运行工况划分准确性,本文提出了基于密度峰值聚类的高斯混合模型对核电厂的运行工况进行划分。首先,采用PCA（主成分分析）算法进行数据降维,然后利用密度峰值聚类算法中的决策图确定工况个数,最后利用高斯混合模型完成工况划分。基于真实的核电厂运行数据开展工况划分实验。实验结果表明,本文提出的方法能合理有效地划分出核电运行工况,其三类工况的划分准确率分别达到了99.29%、100%、97.57%,且错误率仅为1.25%。     

基于改进型FP-Tree的分布式关联分类算法

传统的信息挖掘技术已经无法满足大数据环境下日益复杂的应用需求,而分布式数据挖掘技术是解决这个难题的一种手段,因此提出了基于改进型频繁模式树（FP－Tree）的分布式关联分类算法。首先,在各局部节点优化FP－Tree。生成局部条件模式树（CFP－Tree）,再通过各节点间传送CFP－Tree构建全局CFP－Tree;其次,在挖掘全局CFP－Tree时通过计算显著度来获取初始的全局显著分类规则;最后,利用剪枝策略选取一个较小规则集来构造全局的关联分类器。实验结果表明该算法能够有效降低网络通信量,提高信息挖掘效率,同时保证剪枝的质量和规则的统计显著性,提高分类的精确性。     

理赔量和理赔间隔时间相依的Erlang(2)风险模型

考虑理赔量和理赔间隔时间相依,理赔间隔时间服从Erlang(2)分布的风险模型.通过求取生存概率的Laplace变换,并对其进行Laplace逆变换,可以得到生存概率的显示表达式.     

带标准Brown运动扰动风险模型的破产概率模拟计算

当索赔额序列服从重尾分布时,带标准Brown运动扰动风险模型的破产概率无解析表达式。首先提出一种模拟带标准Brown运动扰动风险模型盈余轨道的程序思想,结合Monte-Carlo方法,讨论风险模型在有限时间内的破产概率,并通过数值算例验证了程序的有效性。其次根据中国太平洋财产保险股份有限公司2014年和2015年的数据,利用统计分析方法,采用广义Pareto分布刻画重大理赔额序列,Poisson过程刻画理赔次数,标准Brown运动刻画其它风险干扰因素。最后对该公司有限时间内的破产概率进行了Monte-Carlo模拟计算。由于综合考虑了其他营业支出及风险干扰等影响因素,使得保险公司在有限时间内的破产概率模拟计算结果更加贴合实际。     

双理赔风险模型的Gerber-Shiu罚金函数

本文考虑了一类双理赔风险模型,即每一个主理赔以概率P产生一个次理赔,本文通过更新方法得到了该模型的Gerber-Shiu期望折扣罚金函数所满足的积分方程和积分-微分方程。     

基于谱聚类特征向量分析的模态划分方法

在实际生产过程中,过程数据的多模态特性会对数据建模产生一定的影响,进行模态划分有利于获取精确的模型。目前常用的模态划分方法,如k-means、c-means等聚类方法,在有过渡过程的模态划分应用中,有时不能得到理想的结果。本文提出了一种通用的模态划分方法,以谱聚类算法中相似矩阵的特征向量分析为基础,基于相似矩阵的特征向量与其所包含的聚类信息的关系,使用高斯曼哈顿距离构造模态标签,并用小窗口思想实现动态多模态过程的模态划分。通过对稳态与带过渡过程的多模态数据的实验验证了该算法的有效性。     

基于结构近似度的社交网络聚类

针对基于结构近似度的聚类算法无法解决非对称网络聚类的问题,该文根据社交网络的特点,提出了基于结构近似度的有向社交网络聚类算法,通过将社交网络抽象为图结构,将网络聚类问题看成图论中的子图划分问题,实现了对社交网络的准确聚类分簇,且分簇复杂度较低。使用C++语言编程实现该算法,通过自定义有向网络数据集和标准数据集的测试表明,该算法对社交网络结构的划分较为准确,且能鉴别离群节点和枢纽节点。     

基于C均值聚类算法的交通时段划分方法研究

根据小时交通量实现交通时段的划分不能满足交通需求,对以分钟为单位的车辆数变化特性进行研究成为当务之急。首先确定了合理的数据分析周期为5~10m in。根据C均值聚类算法能根据数据的相似性度量将数据集划分成一定数目的子集,设计了基于C均值聚类算法的交通时段划分法。利用实际数据验证了方法是准确可靠的。     

基于LSTM和改进TTR算法的车辆辅助驾驶侧翻预警

以提高侧翻预警中对侧翻风险的预测和判断为目标，为了给驾驶员或其他驾驶辅助系统确定对车辆进行控制的介入时机提供重要依据，提出了一种更高效准确的侧翻预警算法.首先建立三自由度车辆预警参考模型；选取相平面法划分侧倾稳定域为侧翻指标，根据三自由度模型响应，设计改进侧翻预测时间（TTR）算法并计算TTR.分析结果表明，相平面侧翻指标接近实际横向载荷转移率（LTR），比LTR常用的表达形式更准确地表述了车辆状态，且改进的TTR也更加接近实际TTR.然后建立长短期记忆网络（LSTM）模型来取代改进TTR算法，提高预警计算效率，模型输出的TTR值作为车辆预警控制的依据.最后通过驾驶员在环（DIL）试验采集数据，对LSTM模型进行训练，并在两种工况下，仿真验证了此侧翻预警方法具有对侧翻风险预测的准确性和更高的实时性.     

强化机动车辆承保理赔管理 提高车险经营效益

车险一直都是财险公司的支柱业务，中小财险公司的车险比例甚至占到总保费收入的80％上。由于车险所特有的需求普遍性和稳定性的特点，在各公司中都占有举重轻重的地位，但近几年来，大多财险公司的车险经营亏损。只有提升车险市场整体发展水平，强化机动车辆承保和理赔服务，才能发挥机动车辆保险的社会管理功能。     

混合动态数据库集群的并行空间连接优化算法

传统算法数据划分冗余度和倾斜度高,无用连接数据多,降低负载均衡性,对整体效率产生不好的影响,不适于实际应用。为此,面向混合动态数据库集群提出一种新的并行空间连接优化算法。采用网格划分法对数据进行划分,依据空间数据划分结果获取数据分布状态,计算节点按照数据分布状态得到候选集。通过平面扫描形成若干子空间连接的子任务,利用构建节点花费模型,依据花费模型对并行空间连接所需的平均节点访问个数进行评估,把候选任务集分配至不同计算节点,在不同节点执行并行空间连接操作。通过边界过滤策略,删除不可能有结果的元组,提高效率,增强算法的实用性。实验结果表明,所提算法适于实际应用,效率高。