近十年來,我國金融機構(gòu)以“跑馬圈地”形式大力發(fā)展信用卡業(yè)務(wù),使得信用卡發(fā)卡量呈現(xiàn)“井噴式”的增長。隨著市場的急劇膨脹,信用卡的“高風(fēng)險”特性亦逐漸暴露,信用卡風(fēng)險管理與控制成為了金融機構(gòu)風(fēng)險管理的重要研究課題。傳統(tǒng)的信用卡風(fēng)險管理方法基本是建立在隨機理論基礎(chǔ)上,現(xiàn)行的個人信用評估模型多為單一的統(tǒng)計計量模型。這些模型與算法存在著以下兩方面的基本問題:第一方面是缺乏處理病結(jié)構(gòu)、非線性金融風(fēng)險問題的能力;第二方面隨機理論忽略了風(fēng)險因素的模糊性而只強調(diào)風(fēng)險因素的隨機性。然而金融風(fēng)險的計量是復(fù)雜和非結(jié)構(gòu)性的決策問題,通常具有模糊特質(zhì),因此近年來以人工神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)開始受到了研究人員的高度關(guān)注。各類人工智能技術(shù)由于各自的特點和技術(shù)缺陷,導(dǎo)致了單一技術(shù)在實踐應(yīng)用中陷入僵局。所以根據(jù)各技術(shù)的共同之處與特點,尋求各種人工智能技術(shù)的有機結(jié)合便成為自然而然的思路。本研究試圖將模糊系統(tǒng)及模因算法與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合,旨在將模糊邏輯運算融入人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)元與結(jié)構(gòu)中建立模糊神經(jīng)網(wǎng)絡(luò)模型,從而改良人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力,并增強網(wǎng)絡(luò)的直觀性與靈活性;利用模因算法的全局搜索能力改進(jìn)人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：161 頁

【學(xué)位級別】：博士

【部分圖文】：

圖3-1分類遞歸圖

圖 5-3 一階 Sugeno 模糊模型則有：12121122wwwwwfwff （5-1）圖 5-4 Sugeno 模糊系統(tǒng)等效的 ANFIS 結(jié)構(gòu)從圖 5-4 可看出，ANFIS 網(wǎng)絡(luò)共有五層：xw2w1xyyyxA2A1B1B2f2Prodf1ProdProdProdSumf

第五章 模因進(jìn)化型模糊神經(jīng)網(wǎng)絡(luò)(M-FNN)模型研究該模型結(jié)構(gòu)分為兩部分：前置處理系統(tǒng)及后置處理系統(tǒng)。1．前置處理系統(tǒng)這部分作為帶粗糙集前置處理的模因進(jìn)化型模糊神經(jīng)網(wǎng)絡(luò)模型的前件，對數(shù)據(jù)進(jìn)行預(yù)處理并采用粗糙集處理方法從原始數(shù)據(jù)中提取經(jīng)驗規(guī)則，代替領(lǐng)域?qū)＜医?jīng)驗構(gòu)造-模糊神經(jīng)網(wǎng)絡(luò)。即根據(jù)原始數(shù)據(jù)離散化數(shù)據(jù)、建立決策表、約簡決策表，將約簡數(shù)據(jù)作為后件網(wǎng)絡(luò)的輸入，構(gòu)造后置處理系統(tǒng)。采用粗糙集方法刪除了冗余屬性簡化了數(shù)據(jù)表，因此可以大大減小后置處理系統(tǒng)的規(guī)模, 提高訓(xùn)練及收斂的速度李睿：信用評估與信用卡欺詐偵測的智能決策系統(tǒng)研究 J159


本文編號：3083611