模糊聚类算法在银行客户分类管理中的应用

本文以银行业务数据为研究对象,结合聚类分析和模糊数学中模糊相似矩阵的思想,将模糊数学理论应用于聚类分析中,提出了基于模糊聚类分析的综合排序方法,即模糊聚类法。本文采用该算法对现有银行客户的存、贷款、信用卡、转账结算等业务的总体情况进行综合排序,以便于银行客户经理根据排序结果,对不同客户采取支持、维护或淘汰等不同的分类管理策略,最大限度降低银行的客户管理成本。     

基于模糊论的数据挖掘研究综述

近年来,将模糊集理论应用到数据挖掘研究中成为数据挖掘领域的一个研究热点。为追踪其研究进展,探讨未来的研究方向,对模糊集理论在数据挖掘中的主要研究方向(聚类分析、关联挖掘、分类)进行了综述,主要阐述数据和模式的表示、模式相似性计算等关键问题。可以看出,充分利用模糊论强大的模糊数据建模功能,并且与其它智能化处理技术相结合,是当前这一领域研究的主流技术。指出了存在的若干问题,并对研究前景进行展望。     

基于聚类的商业营销数据分析及应用

系统聚类法是聚类分析中应用最广泛的一种方法,凡是具有系统聚类分析数值特征的变量和样品都可以采用系统聚类法,选择不同的距离和聚类方法可获得满意的数值分类效果。该文将应用系统聚类法通过客户数据对银行营销进行分析,分类的目的是银行的客户群进行分类。     

支持向量机在银行贷款客户分类中的应用研究

随着客户关系管理系统的不断发展和应用,使用先进的算法进行客户分析变得越来越重要。尤其是象银行这种以客户为导向的行业,客户分析是十分必要的。当前,支持向量机方法作为一种统计学习理论的分类方法已经发展的比较成熟而且成功应用到了很多领域。文章解决的主要问题是对银行的客户数据根据其属性对客户进行分类,为银行的客户关系管理系统提供一种可靠的分类方法。文中主要介绍了银行的客户分类学习的过程和结果,如,客户数据清洗,数据预处理,SVM进行数据分类,多类分类处理,客户属性选择等问题。     

支持向量机在银行贷款客户分类中的应用研究

随着客户关系管理系统的不断发展和应用,使用先进的算法进行客户分析变得越来越重要.尤其是象银行这种以客户为导向的行业,客户分析是十分必要的.当前,支持向量机方法作为一种统计学习理论的分类方法已经发展的哪比较成熟而且成功应用到了很多领域.文章解决的主要问题是对银行的客户数据根据其属性对客户进行分类,为银行的客户关系管理系统提供一种可靠的分类方法.文中主要介绍了银行的客户分类学习的过程和结果,如,客户数据清洗,数据预处理,SVM进行数据分类,多类分类处理,客户属性选择等问题.     

基于犹豫模糊决策树的非均衡数据分类

为优化针对非均衡数据的分类效果,结合犹豫模糊集理论与决策树算法,提出一种改进的模糊决策树算法。通过SMOTE算法对非均衡数据进行过采样处理,使用K-means聚类方法获得各属性的聚类中心点,利用2种不同的隶属度函数对数据集进行模糊化处理。在此基础上,根据隶属度函数和犹豫模糊集的信息能量求得各属性的犹豫模糊信息增益,选取最大值替代Fuzzy ID3算法中的模糊信息增益作为属性的分裂准则,构建一个用于非均衡数据分类的犹豫模糊决策树模型。实验结果表明,基于犹豫模糊决策树的分类器在AUC评价指标上相对于C4.5、KNN、随机森林等传统分类算法平均提高了12.6%。     

基于Ⅱ-型模糊集截集的模糊支持向量机

本文推广经典模糊集合截集,定义了Ⅱ-型模糊集截集,使用支持向量机和Ⅱ-型模糊集截集来对Ⅱ-型模糊集进行分类。实验结果表明,该方法能有效处理Ⅱ-型模糊集中模糊信息,比传统模糊支持向量机具有更好的抗噪性和分类能力。     

模糊集方法在空间数据处理中的应用综述

自然界中存在着大量模糊现象，地理对象定义中也存在模糊性。传统空间数据处理中将现实世界当作确定的对象来处理，几乎不能处理模糊现象，从而限制了GIS等空间数据处理技术的进一步发展。通常，用模糊集理论来解决数据的模糊性问题。本介绍了模糊集的概念及基本原理和模糊地理对象及模糊拓扑关系的研究进展，并且从土地适宜性评价，专题地图各专题要素的面积估算，遥感图像分类信息提取，地理数据库的设计，模糊地理对象建模以及模糊集与其它软计算方法的结合等六个方面概述了模糊集理论在空间数据处理应用中的进展。     

模糊聚类分析程序

模糊聚类分析是从模糊关系矩阵出发，而关系矩阵是根据主观评定的隶属函数构成的。本程序要解决的问题是对实际中收集到的数据进行预处理，以便构造模糊关系矩阵，然后使用“最大树”方法对矩阵进行分析，按人为输入不同的截集值，对模糊集合进行分类，最后输出分类结果。模糊聚类分析在实际中应用很广泛，目前已在选矿、气象、地震、林业、环境科学等方面取得成效。三计算原理设有N个分类对象，K个参考因素，构成如下矩阵：1．计算每个参考因素的平均值2．计算标准差3．计算标准化值4计算标准值上述得到的值不一定在[0，1]闭区间内，为此…     

聚类数据挖掘方法在银行综合效益评估中的应用

针对在银行数据挖掘中存在的实际问题,本文提出了基于模糊聚类分析的综合排序方法。结合聚类分析和模糊数学中模糊相似矩阵的思想,对银行业绩进行综合评价,并给出了具体分析处理方法。     

多决策树的模糊积分融合在银行信贷管理系统中的应用

为了提高基于数据挖掘的商业银行信贷管理系统的信贷风险评估水平,将多决策树的Choquet模糊积分融合(MTCFF)模型应用到银行信贷管理系统中。基本思想是采用决策树在已知类型的客户数据上进行挖掘,按照决策树剪枝程度不同形成不同的决策树并产生规则,利用所生成的不同决策树的规则,对未知类型的客户数据进行分类,然后让Choquet模糊积分对多棵决策树的分类结果进行融合,形成最优判断。采用UCI数据库中German客户信用卡数据集进行验证,实验证明Choquet模糊积分的非线性融合效果优于单棵决策树的分类效果,也优于其他线性融合方法,并且Choquet模糊积分要优于Sugeno模糊积分。     

银行客户分类的数据特征选择方法与实证研究

针对银行客户数据维度高、量级大和冗余特征多等问题，提出了一种借鉴多模态融合思想的综合特征筛选方法，通过计算并比较数据集中各特征的综合贡献度来对冗余特征进行筛选。基于真实银行客户数据特点，给出了一种包括类型转换及离散化、缺失值填充和标准化三部分的数据预处理方案，并对真实银行客户数据进行预处理；利用Pearson相关系数、随机森林、量化先验认知以及提出的多模态视角下的综合特征筛选方法对预处理后数据集中的冗余特征进行筛选，并分别提取到14个、8个、15个和11个特征；根据实验研究结果，从定性与定量两个层面对四种特征选择方法的特征选择效果进行充分比较。实验结果表明，提出的一种借鉴多模态融合思想的综合特征筛选方法能够有效弥补不同特征选择方法间的缺陷，降低数据维度，进而提升银行客户分类模型性能。     

一种基于多目标进化算法的模糊关联分类方法

准确率和解释性是模糊关联分类模型的两个相互制约的优化目标.目前已有的研究方法中,有的只考虑了分类模型的准确率,有的把模型两个目标转化为单目标问题求解,在模型解释性目标上的优化策略较简单.为此提出一种基于Apriori和NSGA-II多目标进化算法的模糊关联分类模型(MOEA-FACM),采用基于概率独立性的模糊确认指标筛选生成高质量的模糊关联规则集,以Pittsburgh式的编码方式构建准确率和解释性折中的模糊关联分类模型.标准数据集上的实验表明,该方法所建模型分类准确率比同类模型高,分类模型具有较好的泛化能力,而其所含模糊关联规则的数目和规则前件总的模糊项的个数却较少,模型的解释性较好.     

模糊聚类的分析

本文提出基于客户价值的客户分类方法,将加权模糊c均值算法应用于客户分类,并用基于相似系数和检测孤立点的方法排除孤立点对聚类结果的干扰,提高聚类质量。     

网上书店服务质量评价模型研究

影响网上书店服务质量的因素主要有网站可用性、网站易用性、网站完整性、网站信誉与评价、顾客个人倾向、顾客风险感知、执行费用、执行周期、网络安全技术和交易制度。基于这些影响因素,设计了网上书店服务质量评价指标体系,并对指标选择的合理性进行了检验。在此基础上,建立了网上书店服务质量模糊综合评价模型,并采集数据对服务质量评价模型进行了实证研究。     

基于区间推理和AFS结构的模糊分类器

在分析区间值模糊集理论和现有模糊分类器的基础上，提出两种分类器的算法，它们分别是建立在区间值推理和AFS结构上的．经Iris数据实验，证明第一种算法分类结果很好，后一算法不仅结果与前面的一样好，而且它还能处理一些描述模糊概念的数据库．这两种算法在分类实践中具有良好的应用前景．     

面向不均衡分类的隶属度加权模糊支持向量机

针对不均衡分类问题,提出了一种基于隶属度加权的模糊支持向量机模型。使用传统支持向量机对样本进行训练,并通过样本点与所得分类超平面之间的距离构造模糊隶属度,这不仅能够消除噪点和野值点的影响,而且可以在一定程度上约减样本;利用正负类的平均隶属度和样本数量求得平衡调节因子,消除数据不平衡时造成的分类超平面的偏移现象;通过实验结果验证了该算法的可行性和有效性。实验结果表明,该算法能有效提高分类精度,特别是对不平衡数据效果更加明显,在训练速度和分类性能上比传统支持向量机和模糊支持向量机有进一步的提升。     

基于模糊优势互补互信息的有序决策树算法

传统决策树算法应用于有序分类任务时存在两个问题：传统决策树算法没有引入序关系,因此无法学习和抽取数据集中的序结构;现实生活中存在大量模糊而非精确的知识,而传统的决策树算法无法处理存在模糊属性取值的数据。针对上述问题,提出了基于模糊优势互补互信息的有序决策树算法。首先,使用优势集表示数据中的序关系,并引入模糊集来计算优势集以形成模糊优势集。模糊优势集不仅能反映数据中的序信息,而且能自动获取不精确知识。然后,在模糊优势集的基础上将互补互信息进行推广,并提出了模糊优势互补互信息。最后,使用模糊优势互补互信息作为启发式,设计出基于模糊优势互补互信息的有序决策树算法。在5个人工数据集及9个现实数据集上的实验结果表明,所提算法在有序分类任务上较经典决策树算法取得了更低的分类误差。     

模糊线性支持向量回归机

该文研究了当训练点的输出为三角模糊数时,支持向量回归机的构建问题。首先将模糊回归问题转化为模糊分类问题,并将求模糊最优分类超平面问题转化为求解带有模糊决策的机会约束规划问题。利用基于模糊模拟的遗传算法求解带有模糊决策的机会约束规划,得到模糊最优分类超平面(模糊方程),解模糊方程得到模糊回归函数。在此基础上,得出模糊线性支持向量回归机(算法)。从而较好地解决了支持向量机中含有模糊信息的模糊回归问题。最后,给出显示模糊线性支持向量回归机特点的模糊支持向量集的定义。