基于UDDI的语义Web信用评估服务研究

UDDI服务注册机的服务发现提供了简单的基于关键字的搜索方法,但缺乏对语义推理的支持。论文在对UD鄄DI服务发现基本模型的研究基础上加入了语义推理,并运用到电子商务信用评估服务发现中。提出了基于UDDI的语义Web信用评估服务系统的结构,着重介绍了基于本体论的电子商务信用评估元模型,并利用信用评估元模型构造信用服务原子模型。     

基于B/S结构的融资信用评估系统研发

本文结合我国信用体系建设和解决企业因“信用危机”而“融资难”紧迫需要,在分析融资信用评估系统需求基础之上,结合IT技术发展趋势,提出了基于B／S结构的融资信用评估系统体系结构,建立并分析其系统功能模型、评价体系和关键技术。在此基础上,以SQL Server2000为后台数据库系统,以Java为前台开发工具,开发了一套基于EJB体系结构的融资信用评估软件原型系统。     

基于遗传算法的银行客户信用评估模型研究

根据遗传算法的鲁棒性的特点以及信用评估的模型,文章提出了一种基于遗传算法的信用评估模型,改进了遗传算法,设计了染色体表示方法,用两类客户识别的正确率和错误率来构建适应度函数以及相应的遗传操作,适应信用评估模型的要求。通过对原始数据的训练,得出较为合理的评估模型系数,实验结果表明该方法效果良好,具有实用价值。     

基于AdaBoost-BOA的中小企业信用评估模型

针对我国现有信贷风险评估体系的不完善以及银行对中小企业的信用等级评估的要求,提出了一种基于Ada?Boost-BOA的中小企业信用评估模型.首先确定中小企业信用评估指标,然后通过贝叶斯优化算法构建AdaBoost-BOA集成分类信用评估模型.实验结果表明,与其他传统的模型相比较,论文提出的AdaBoost-BOA模型在信用等级评估中具有更优良的评估性能,其准确率更高.     

信用构件的刻面分类及检索方法研究

本文引入软件复用来实现信用评估系统的构件化开发,通过对信用评估系统及评估建模方法的分析,提出信用评估构件库的刻面分类,结合具有良好扩展性的术语空间层次编码,对构件检索技术进行了讨论,将查询条件和构件描述的匹配转化为字符串集之间的匹配,采用向量空间模型的相似度量来提高构件的查全率。     

范例推理技术在银行客户信用评估中的应用

范例推理技术是人工智能领域中一种基于知识的问题求解和学习方法。为了有效评估银行客户信用等级并提高银行信贷业务效率，文中提出了范例推理技术(CBR)在银行客户信用评估中的应用，并给出了基于范例推理的银行客户信用评估系统的原型，介绍了该系统中的关键技术：范例表示、相似性计算和范例检索，研究了归纳学习、特征子集选择等机器学习方法在范例检索中的应用。     

基于多进化神经网络的信用评估模型研究

客户信用评佑对于银行的经营管理有着重要的意义,为此提出了一种基于多进化神经网络的信用评估模型(MNN-CREDIT)。该模型基于客户信货数据,利用基于聚类的小生境遗传算法并行地训练出多个精度高、差异性大的三层前馈神经网络,然后将待识别的客户数据分别输入,最后根据动态投票法集成最终信用预测结果。利用德国信用数据库真实数据集进行了实证分析,结果表明,基于多进化神经网络的信用评估模型具有较高的预测精度。     

基于RBF神经网络的电力客户信用评估模型

构建基于RBF神经网络的电力客户信用评估模型。为了改善样本的质量和降低训练神经网络时对样本的处理成本,对原始样本进行主成分分析,利用提取的少数主成分作为新的综合指标再进行评估模型的构建。同时通过改进MatLab神经网络工具箱中的RBF神经网络设计函数,构建高分类能力的网络模型。实验证明该信用评估模型的有效性。     

范例推理技术在银行客户信用评估中的应用

范例推理技术是人工智能领域中一种基于知识的问题求解和学习方法.为了有效评估银行客户信用等级并提高银行信贷业务效率,文中提出了范例推理技术(CBR)在银行客户信用评估中的应用,并给出了基于范例推理的银行客户信用评估系统的原型,介绍了该系统中的关键技术:范例表示、相似性计算和范例检索,研究了归纳学习、特征子集选择等机器学习方法在范例检索中的应用.     

贝叶斯网络分类模型研究及其在信用评估中的应用

基于概率估计的贝叶斯及贝叶斯网络分类模型,拥有其它数据挖掘工具所不具备的优势。在分析贝叶斯及贝叶斯网络分类模型基础上,结合最小风险决策准则,提出了一种新的信用评估模型。在实际数据集上采用交叉验证方式进行了测试。实验结果表明基于最小风险决策准则的贝叶斯及贝叶斯网络分类模型可以有效地减少信用评估风险。     

神经网络的企业信用风险评估应用研究

研究企业信用风险评估准确性问题,企业存在产品质量、不良贷款等信用风险问题,企业信用风险是多种因素的综合结果,存在着不确定、非线性、随机性等特点,无法建立确定数学评估模型。只能根据专家评估指标为依据。为了提高企业信用风险评估准确率,提出一种BP神经网络的企业信用风险评估方法。先采用层次分析法构建风险评估指标体系,再用专家系统对评估指标进行量化打分,最后采用BP神经网络对企业信用风险指标进行非线性学习,并对企业信用风险等级进行评估。实验结果表明,BP神经网络的企业信用风险评估模模型能显著提高评估准确率,并能够反映企业信用风险的随机性变化特点,使评估结果更加符合实际情况,为企业信用风险评估提供了参考。     

企业信用评估信息系统的设计与实现

介绍企业信用评估信息系统的设计与实现。该系统采用基于BP神经网络的企业信用评估模型,利用移动Agent技术收集和处理企业信用信息,用Java语言设计网络程序和用户界面,实现了企业信用评估信息管理的计算机化。     

模糊神经网络在纳税信用评估中的应用研究

由于纳税评估过程中存在不精确、模糊以及冗余信息,传统评估模型多数采用经验法和比较法,缺乏科学性和公正性,评估结果正确率低。为了提高纳税信用等级评估的正确率,提出了一种采用模糊神经网络的纳税信用等级评估模型。首先利用模糊逻辑推理对纳税评估过程中的不精确、模糊的信息进行有效的处理,然后利用训练数据对神经网络模型进行训练学习,获得纳税评估指标和信用等级间的评估模型,最后通过利用测试集对模型进行验证,结果表明,模糊神经网络方法提高了纳税信用等级评估的正确率,为税收信用评估提供有效的依据。     

基于神经网络规则抽取的个人信用评估模型研究

摘要：本文针对传统个人信用评估体系中的不足,提出了一种基于神经网络规则抽取的个人信用评估模型。通过对已经训练好的人工神经网络隐层激活值进行聚类分析,减少搜索空间,进而抽取出理解性好、简洁的符号规则。从而产生一组可理解的描述,这组描述能最大限度的模拟已经训练好的原神经网络的推理预测行为。使得评价中的人为因素得到弱化,克服了神经网络在个人信用评估中的“黑箱”性缺陷,增强了模型的稳健性：和可理解性。     

基于遗传算法的BP神经网络在企业资信评估中的应用

提出了一种新的企业资信评估方法.通过把神经网络和遗传算法有机地结合起来,既克服了传统BP网络训练时间长、易陷入局部极值的缺点,又利用遗传算法提高了网络全局收敛的效率.该模型采用C#.NET SQL server 2000实现.实验结果表明,基于遗传算法的BP神经网络系统对企业资信评估有着良好的性能.     

基于图神经网络的金融征信研究

金融机构对申请借贷的用户进行信用评价是互联网金融领域的前沿方向之一。首先,基于互联网金融借贷网络历史数据,通过用户间借贷关系的网络化建模来反映融合用户节点与周边关系节点相互作用的借贷关联作用的复杂网络。其次,通过引入基于节点中心性结构特征指标的图神经网络模型,提出了具有邻接圈层信息与借贷信用信息耦合的个人征信评估模型。最后,模型在包含756100条交易记录的历史数据集上运行实现,并与BP神经网络算法和RF-Logistic模型进行了对比,结果显示所提模型具有更高的评估准确率。     

Neural network for predicting the performance of credit card accounts

This paper reports the interim results of an experimental project using neural networks as a decision support tool for credit card risk assessment within a major bank. Two prototype neural network systems have been developed: one which emulates the decisions of the current risk assessment system, and another which attempts to predict the performance of credit card accounts based on the accounts historical data. This paper focuses on the development of the neural network model for credit card account performance prediction. The study has shown that such a tool can help in discovering the potential problems with credit card applicants at the very early stage of the credit account life cycle.     

基于神经网络的高校学生信用模糊评价研究

本文为更有效地对高校学生信用进行综合评价,建立了高校学生信用评价多级指标体系,提出了一种基于神经网络的评价模型。模型将模糊理论引入神经网络,通过神经网络的学习训练来调整模糊数学中的相应参数,以有效地模拟模糊综合评价的过程,对信用评价的定性过程而言,具有一定的合理性。     

基于专家系统和Petri网的网络可靠性评估方法

针对网络系统可靠性建模难的问题,结合专家系统和Petri网理论各自的特点,提出了一种基于知识库系统的Petri网可靠性评估方法。首先引入模糊神经Petri网的定义和适用于网络系统可靠性建模的引发规则,然后在此基础上提出一种学习算法,其既可以表示和处理模糊产生式规则的知识库系统,又具有学习能力。最后以一个无向网络的可靠性评估为例,并通过定性分析和定量计算,验证了算法的合理性和有效性。