基于决策树方法的银行客户信用评估

分析了传统银行客户信用评估方法存在的问题，针对ID3算法存在的不足，提出了一种改进的ID3算法．实验结果表明，改进后的ID3算法分类正确率有所提高，所生成的决策树较为健壮、简洁，可以减少计算代价，提高计算效率．     

基于决策树方法的银行客户信用评估

分析了传统银行客户信用评估方法存在的问题,针对ID3算法存在的不足,提出了一种改进的ID3算法.实验结果表明,改进后的ID3算法分类正确率有所提高,所生成的决策树较为健壮、简洁,可以减少计算代价,提高计算效率.     

基于GP+BP的信用评估模型研究

文章通过结合遗传规划和神经网络,提出一种2阶段的混合信用评估模型,以弥补单一算法的不足,采用遗传规划学习提取IF-THEN规则,从而为决策者提供简洁的规则,同时采用BP神经网络以解决IF-THEN规则匹配失败的问题。通过UCI数据集上的仿真实验,验证了该模型的可行性,通过与相关模型比较,可得出其分类准确率高于一般的信用评估模型。     

基于交叉覆盖算法的改进算法-最近邻交叉覆盖算法

交叉覆盖算法分类时着重在于两类的交界部分,混杂在另外一类中往往无助于提高分类器的效率,反而会增加分类器的计算负担。本文提出一种基于交叉覆盖算法的最近邻交叉覆盖算法(NN-ACA):对进行训练的原始样本数据进行预处理,删除这些不同类的最近邻点,得到精简后的样本集,再对该样本集使用交叉覆盖算法。通过实验和与SVM的比较,结果表明NN-ACA在一定的样本规模表现了速度和分类正确性上的优越性。     

消费者信用评估刍议

消费者信用评估是市场经济发展到一定阶段的产物,任何一个国家的资信评估业都是随着经济的不断发展而发展的。本文首先分析了消费者信用评估产生的背景,接着介绍了国内外消费者信用评估现状,总结出了消费者信用评估的基本特点,并说明了消费者信用评估的作用。     

支持向量机在银行客户信用评估中的应用

贷款业务是银行极为重要的资产业务,构建一个适用的客户信用评估模型十分重要。由于近年来在智能学习系统领域发展起来的新理论,并引入小样本学习的通用学习算法——支持向量机（Support Vector Machines,简称SVM）,建立银行客户信用评估模型。由于在统计学习理论中的结构风险最小化的SVM算法,克服了传统信用评估模型中的过拟合和局部最优的缺点。同时,通过在模型中采用核函数,有效地解决了线性不可分问题。因此,使得基于这种技术的评估模型具有较强的实用性。通过与神经网络模型的比较,证实了该方法用于风险评估的有效性及优越性。     

基于神经网络的逻辑最小造价覆盖算法

提出一种基于神经网络求解逻辑综合中最小造价覆盖问题的优化算法。首先给出了最小造价覆盖问题与能量函数的映射关系，并以此构造了改进的两级Ｈｏｐｆｉｅｌｄ网络模型。然后利用该网络的动态特性，求出最小造价覆盖问题的最优解。最后对算法进行了分析和小结。     

利用GA—BP算法对模糊神经网络进行优化

分析了ＢＰ算法和遗传算法（ＧｅｎｅｔｉｅＡｌｇｏｒｉｔｈｍｓ,以下简称ＧＡ）各自的优缺点,将改进的ＧＡ与ＢＰ算法相结合,提出了一种新的ＧＡ－ＢＰ算法,并将其应用于模糊神经网络的参数优化,仿真结果验了本算法的有效性。     

CSE算法：利用对频繁序列扩展来进行序列模式挖掘

序列模式挖掘是在多个有序事件序列中查找出现频率大于某个阈值的序列模式的数据挖掘方法，自从1995年序列模式挖掘的概念被提出以来，人们不断地对序列模式挖掘算法进行研究和改进，本文介绍了一种新的序列模式挖掘方法－CSE算法及其具体实现方法，并对该算法性能做了初步的评价。     

MICkNN: Multi-Instance Covering kNN Algorithm

Mining from ambiguous data is very important in data mining. This paper discusses one of the tasks for mining from ambiguous data known as multi-instance problem. In multi-instance problem, each pattern is a labeled bag that consists of a number of unlabeled instances. A bag is negative if all instances in it are negative. A bag is positive if it has at least one positive instance. Because the instances in the positive bag are not labeled, each positive bag is an ambiguous. The mining aim is to classify unseen bags. The main idea of existing multi-instance algorithms is to find true positive instances in positive bags and convert the multi-instance problem to the supervised problem, and get the labels of test bags according to predict the labels of unknown instances. In this paper, we aim at mining the multi-instance data from another point of view, i.e., excluding the false positive instances in positive bags and predicting the label of an entire unknown bag. We propose an algorithm called Multi-Instance Covering kNN (MICkNN) for mining from multi-instance data. Briefly, constructive covering algorithm is utilized to restructure the structure of the original multi-instance data at first. Then, the kNN algorithm is applied to discriminate the false positive instances. In the test stage, we label the tested bag directly according to the similarity between the unseen bag and sphere neighbors obtained from last two steps. Experimental results demonstrate the proposed algorithm is competitive with most of the state-of-the-art multi-instance methods both in classification accuracy and running time.     

Input Data Dependency of a Genetic Algorithm to Solve the Set Covering Problem

A genetic algorithm to solve the set covering problem proposed in the literature had some improvements which gave better solutions, i.e., better chromosomes in the first starting population, taking full account of domain specific knowledge with sound programming skill. We have further investigated the input data dependency of their genetic algorithm, i.e., the dependency on costs and density. We have found that for input problem data sets with densities greater than or equal to 3%, our genetic algorithm is still practical both in computing time and approximation ratio.     

K—means聚类算法在客户细分中的应用

以某超市会员为研究对象,以其会员卡的消费记录为数据源,运用K-means聚类算法对该超市VIP客户进行细分,得到一个细分模型,该模型对企业营销策略的制定具有一定的辅助作用．     

基于覆盖的神经网络集成在语音识别中的应用

神经网络集成通过训练多个神经网络并将各网络的结论进行合成,从而得到最终结果.集成可以显著的提高学习系统的泛化能力.讨论了基于覆盖思想而设计的神经网络集成方法,并将其应用于汉语孤立数码语音识别系统中,通过在集成过程中加入基于覆盖思想的控制算法降低系统的泛化误差,从而使系统的识别效果有了进一步的提高.     

生存保险投保期限的选择模型

当购买生存保险时,投保人需要选择投保期限,在单位保费收益与单位保费购买风险的和为目标函数的情况下,讨论了在给定年龄x和安全载荷ρ的条件下,如何选择投保期限才能使得目标函数达到最大值.     

利用聚类算法建立免疫模型自我库

基于误用的入侵检测和基于异常的入侵检测是入侵检测的两种常用技术。目前大多数的入侵检测系统没有检测未知入侵的能力，甚至对已知入侵的微小变化也显得无能为力。人工免疫系统虽然可以较好地解决这一问题，但其本身也存在着难以建立自我库的难点。作为一种数据挖掘技术，聚类算法可以有效建立两种入侵检测技术之间的联系，在收集大量实际数据的基础上得到自我、非我库的初始输入集，使人工免疫系统和实际的入侵更好地匹配。     

论我国寿险市场营销的难度

寿险经营业,是我国近年来发展速度极快的行业,被誉为21世纪的朝阳产业。本文试图从我国寿险经营的现状出发,通过分析寿险市场及其经营行为的特点,较全面而深刻地分析我国寿险市场营销的难度,以祈对我国寿险企业的市场营销有所裨益。     

关于n年期寿险的极限分布

讨论了n年期寿险的总体索赔量的极限分布。在利息力为白噪声条件下,得到了极限分布的密度函数的递推公式。     

利用BP算法实现集装箱编号识别

研究集装箱字符识别,采用数字图像处理,模式识别与神经网络技术及改良BP算法实现集装箱编号的自动识别,该方法有较强的适应性,可在不同的光照条件下工作,在识别倾斜,变形,磨损,污染的集装箱时表现出较强的抗干扰能力,改良BP算法具有分类功能,可以实现字符的识别,并且具有较强的鲁棒性。     

论我国寿险业需培育和建立投资理性

目前,我国寿险业已经走出了偏重承保利润的阶段,但投资收益率较低将导致寿险企业在今后一段时期内仍然偏重于规模扩张,并最终导致规模推动困境.论述了我国寿险业需要从投资理念、投资管控、投资领域和外部监管4个方面培育和建立投资理性,并建议通过公共事业定向债券的方式,实现寿险业向公共事业领域的间接投资.