通过演变计算技术进行诚信计分和不可接受实例的再分配

【网学提醒】：本文主要为网上学习者提供通过演变计算技术进行诚信计分和不可接受实例的再分配，希望对需要通过演变计算技术进行诚信计分和不可接受实例的再分配网友有所帮助，学习一下吧!

资料包括： 论文(13页8638字) 图纸 
说明：
摘要
信用产业与计算领域的许多问题有关。这项研究涉及二个有趣的信用分析问题和解决他们所运用的二个技术、它们是在演变计算领域的神经网络(NNs) 和基因算法(GAs)。 第一问题修建基于NN 的信用计分的模型，这个模型用来对申请人进行分级，分为被接受的（成信度好）和不可接受的（诚信度差）。 第二个能更好的理解不可接受的信用，它设法使用基于GA 的反向分类技术把他们重新分配到较为可取的可被接受的级别。每个这些问题都影响到与信用准入评估相关的决策，这些决策极大影响债权人的风险和利益。 从计算结果看，NNs方法是极适用于信用分类的问题的一个计算工具。 使用基于GA 的反向分类方法，债权人能够提出有条件的采纳，并进一步向不可接受的申请人解释拒绝的原因。另外，申请人能够根据他们的自己的级别对极小的变动做出评估。
关键词: 信用计分; 分类; 反向分类; 神经网络; 基因算法

1.介绍
信用产业迅速增长，信用计分模型广泛地使于信用准入评估。 信用计分的模型被开发，用它来对所有的申请人做出评估。既根据他们的特征譬如年龄、收入和婚姻情况，把他们分类为被接受的(成信度好) 或不可接受的(诚信度差)。在能够证明债务人会履行偿还义务的条件下，债权人会接受申请，反之亦然。债权人可能根据早先被接受的和不可接受的申请人的数据修建分类规则。在规模可观的放款业务中，即使信用计分评估的准确性有轻微的改善也可能减少债权人的风险并转化成可观的未来储蓄。从Brill (1998) 研究，信用计分的好处包括:在信用分析中节省成本、更加快速的信用评估、对现有账户更加严密的监视和改善现金流动和汇集。 目录：
1.介绍
2.反向分类的公式
3.提出的方法论
４．数字说明
5. 总结


作者点评：
这份研究展现了信用工业中一份成果，它展现了NN和GA进行信用分析的优点。NN在分类方法中被广泛应用并起重要作用。最近，在神经分类中进行了大量的研究，NN可代替许多传统的分析方法。在这项研究中，基于NN的信用计分模型被用来把申请分为可接受的和不可接受的，从而减少债权人的风险，并转化成将来的储蓄。基于GA的反向分类技术把不可接受的等级转化成更可取得可接受的等级，它平衡了调整成本和客户的取向。从信用数据集的结果看，基于演化计算的方法在计算机辅助信用分析系统中的作用很吸引人。