基于FA-BP网络的客户信用评价

为有效地进行客户信用风险管理,其关键在于客户信用评价.首先,建立了用于客户信用评价的指标体系;其次,给出了基于改进FA-BP神经网络的客户信用评价方法;最后,对具体企业的实际情况进行了实证研究,评价出不同的资信等级.针对不同资信等级的客户,提出了相应的管理模式,以达到风险控制的目的.     

基于模糊聚类和模糊模式识别的企业财务预警

在回顾国内学者关于企业财务预警模型研究的基础上,提出了一种新的预警模型--基于模糊聚类和模糊模式识别模型.利用该模型对训练样本进行模糊聚类,计算最优聚类中心,对待估样本所属类别进行模糊模式识别.通过对40家沪市上市公司进行实证分析,取得了较好的预警效果.最后针对模型存在的问题提出进一步的研究方向.     

基于模糊聚类的高新技术企业信用风险评估方法研究

本文针对高新技术企业的特点,应用粗糙集理论和模糊聚类方法,集成了一种信用风险评估方法。首先构建了高新技术企业信用风险评估指标体系,再应用粗糙集约简方法生成约简的指标集,继而运用模糊聚类方法对企业信用风险进行评估。在使用模糊ISO-DATA聚类算法时,加入"引路样本",这种改进的算法提高了评估的客观性。     

基于网络聚类算法的企业客户细分方法

本文首先介绍了客户细分在企业营运中的重要性,将聚类算法应用于企业客户细分。基于聚类可以找到数据集中未知的分类,本文介绍了一种可对客户多种描述特征进行综合聚类的客户细分方法。该算法不仅将网络概念加入到聚类中,还可以通过参数的控制,使客户的细分数量在可控范围之内。     

一种基于信息熵与K均值迭代模型的模糊聚类算法

本文提出了基于信息熵和K均值算法混合迭代模糊聚类的细分模型,解决了模糊聚类的原型初始化参数问题。将信息熵和K均值算法引入模糊聚类中进行分析,并结合测试样本数据进行实际分析,与传统方法相比,取得了较好的效果。     

基于模糊聚类和粗糙集提取我国经济增长的模糊规则

提出了一种基于模糊软分类和粗糙集理论来提取模糊规则的一种算法.该算法分为3个步骤①通过模糊软分类对样本进行模糊划分,得到隶属度矩阵;②运用粗糙集理论和得到的隶属度矩阵生成初始决策表;③简化决策表,提取规则.最后运用该算法提取我国经济增长的模糊规则.     

基于文本聚类的客户知识获取和应用研究

基于文本聚类技术在移动通信行业客户服务文本记录分类中的应用研究,构建了文本分类处理的概念模型。采用集合式表示方法对客户知识进行定义,通过向量空间模型进行文本转化和数据矩阵的构建,提出了TF-MI函数进行特征词的权重计算,利用层次聚类进行数据处理,并通过类别判断的4条准则进行了聚类结论分析和讨论,从而进一步强调了文本聚类技术在移动通信行业客户服务系统知识获取工作中的实用价值。     

基于灰色模糊聚类法的企业集团部门绩效评价

综合运用BSC和KPI,建立企业集团部门绩效评价指标体系,并以企业集团各下属单位同类型部门的绩效评价指标灰色关联分析结果为基础,采用灰色关联分析在模糊聚类理论中的应用方法,建立了企业集团部门绩效评价模型,并利用最大树法,得到了基于不同水平的聚类结果形成的谱系图,合理地反映了企业集团各部门的绩效评价结果和状况分布。最后,通过实例验证了该模型的有效性和可行性。     

企业管理人员职业信用等级模糊综合评判

本文建立了一套包括个人背景、工作能力和财务执行能力等七个方面的评价指标体系,基于定性分析与定量分析相结合的思路,给出了企业人才职业信用等级的模糊评价方法,较好地解决了人才职业信用等级评价问题。     

城市商业银行商贸行业客户信用评级模型

本文针对中小商贸银行客户特点,从定性、定量及特殊因素三个方面建立了城市商业银行商贸行业客户信用评级指标体系,对于银行有效降低贷款风险具有重要的现实意义。     

基于改进SMOTE的小额贷款公司客户信用风险非均衡SVM分类

研究了小额贷款公司对客户进行信用风险评估时面临的问题,构建了信用风险评估指标体系,改进了支持向量机(Support Vector Machine, SVM)对非均衡样本分类时分类超平面偏移的不足。首先分析小额贷款公司业务区域性强、信用数据来源不规范、评价标准不一致等特点,给出用于客户信用风险评估的四个维度指标。针对传统SMOTE算法在处理非均衡数据时对全部少数类样本操作的问题,提出仅对错分样本人工合成的改进思想,给出具体算法步骤。将改进算法用于某小额贷款公司客户信用风险评估案例中,分类精确度较其他算法有所提升,表明该方法的可行性和有效性。     

基于差分进化自动聚类的信用风险评价模型研究

随着风险评价的日益复杂化, 多维度、多时序等不规则的样本数据增加了评估的难度。本文建立信用风险评价的差分进化自动聚类模型, 并将其应用到我国上市公司信用风险评价中。该模型不要求事先知道分类的数据, 相反, 通过群体智能去寻找最优的分区。通过数据仿真, 并与遗传算法、决策树、BP神经网络模型进行信用风险评价的实证对比研究, 结果表明, 该模型能够非常准确的找到数据对应的分区, 大大提高了信用评估的准确性, 降低了风险成本, 对信用风险的管理和控制具有很高的利用价值。     

客户信用评估半监督协同训练模型研究

在现实的很多信用评估问题中,由于对样本进行类别标记需要花费大量的人力、财力和物力,往往只能获取少量有类别标签的样本来训练分类模型,而把数据库中大量无类别标签的客户样本舍弃。为解决这一问题,本研究引入半监督学习技术,并将其与多分类器集成技术中的随机子空间方法(Random Subspace, RSS)相结合,构建了类别不平衡环境下基于RSS的半监督协同训练模型RSSCI。该模型主要包括三个阶段:1)使用RSS方法训练得到若干基本分类器;2)从大量无类别标签数据集中选择性标记一部分最合适的样本加入到原始训练集中;3)在最终的训练集上训练分类模型,并对测试集样本进行分类。在三个客户信用评估数据集上进行实证分析,结果表明,RSSCI模型的信用评估性能不仅优于常用的监督式集成信用评估模型,也优于已有的一些半监督协同训练信用评估模型。     

基于Metacost的客户信用评估半监督异构集成模型研究

针对现实中信用评估存在的问题,本研究将元代价敏感学习、半监督学习和异构集成等技术结合,提出了基于Metacost的客户信用评估半监督异构集成模型(Metacost based semi-supervised heterogeneous ensemble model, Meta-Semi-HE)。该模型主要包括三个阶段：1)用Metacost方法修改初始有标签训练集得到Lm;2)在Lm上通过AdaBoost方法训练N个异构分类器hi(i = 1,…, N),用伴随分类器组合Hi选择性标记无标签数据集的样本,并将其添加到Lm中,用新的Lm重新训练N个异构分类器。重复这一步骤,不断提高分类器性能,直至满足终止条件;3)用最终的N个异构分类器对测试集样本分类。在6个客户信用评估数据集上进行实证分析,结果表明,与已有的3种半监督集成模型和2种监督式集成模型相比,本研究提出的模型具有更好的客户信用评估性能。     

基于模糊聚类与车辆协作策略的随机车辆路径问题

以多辆车协作的随机车辆路径问题为研究对象,设计了通用的随机车辆路径问题机会约束模型,提出了大规模随机车辆路径问题的车辆协作策略,并基于该策略与模型设计了求解天规模随机车辆路径问题的混合启发式算法,计算实验结果说明了该算法与策略的有效性与实用性.     

移动商务中面向客户细分的KSP混合聚类算法

数据挖掘技术中的聚类算法是解决客户细分问题的重要算法之一。为解决传统聚类算法在客户细分问题中分类精度较低、收敛速度较慢的问题,着重对比分析传统聚类算法中K-m eans、自组织映射网络和粒子群3种算法的不足,提出融合3种算法优点的混合型聚类算法,该算法利用K-m eans和自组织映射网络对初始聚类中心进行优化,结合粒子群优化和K-m eans优化聚类迭代过程,并在迭代优化过程中设计避免算法因早熟而停滞的机制。针对移动电子商务环境下的餐饮业客户细分问题,建立移动餐饮业客户细分模型,并利用混合型聚类算法、K-m eans、层级自组织映射网络和基于粒子群的K-m eans等4种算法对实际案例进行对比分析。研究结果表明,混合型聚类算法的聚类精度分别比其他3种算法高,同时还具有最快的收敛性能,更适用于客户细分问题。     

基于支持向量机集成的电子商务环境下客户信用评估模型研究

随着电子商务的快速发展,越来越多的顾客参与到电子商务中来,目前国内电子商务相关的配套设施、法律法规等均不完善,信用问题是困扰电子商务发展的主要瓶颈问题,而客户信用评估是电子商务的重要组成部分,本文利用基于模糊积分的支持向量机集成方法对客户信用进行评估,该方法考虑了各子分类器的分类结果和各子分类器判决对最终决策的重要程度。通过实证分析探讨了此法的可行性和优越性,为我国建立电子商务客户评价体系提供参考。