為了提高BP神經(jīng)網(wǎng)絡(luò)在保險(xiǎn)欺詐識(shí)別中的準(zhǔn)確率,利用改進(jìn)的遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)初始權(quán)重,以克服BP神經(jīng)網(wǎng)絡(luò)容易陷入局部極小點(diǎn)、收斂速度慢以及樣本依賴性等問(wèn)題的缺點(diǎn)。改進(jìn)的遺傳算法充分考慮了遺傳算法中種群適應(yīng)度的集中分散程度,并且非線性地自適應(yīng)調(diào)節(jié)遺傳算法的交叉概率與變異概率。同時(shí)為了加快尋優(yōu)效率,將排序選擇策略與最優(yōu)保存策略相結(jié)合。以某保險(xiǎn)公司汽車保險(xiǎn)歷史索賠數(shù)據(jù)為樣本,采用該算法進(jìn)行模擬和預(yù)測(cè)。實(shí)證結(jié)果表明:相比于IAGA-BP、GA-BP、BP三種算法,該識(shí)別算法在識(shí)別準(zhǔn)確率上有很大提高。 

【文章來(lái)源】：山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019,38(05)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖４各遺傳算法優(yōu)化ＢＰ神經(jīng)網(wǎng)絡(luò)對(duì)比圖Ｆｉｇ．４ＣｏｍｐａｒａｔｉｖｅｄｉａｇｒａｍｏｆｏｐｔｉｍｉｚｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓｂｙｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ

【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的接觸電阻預(yù)測(cè)[J]. 孫海峰,沈穎,王亞楠.  電測(cè)與儀表. 2019(05)
[2]遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的交通流參數(shù)預(yù)測(cè)[J]. 車國(guó)鵬,劉永紅.  綜合運(yùn)輸. 2018(06)
[3]數(shù)據(jù)挖掘在車險(xiǎn)欺詐與識(shí)別中的應(yīng)用[J]. 趙彥竹.  時(shí)代金融. 2017(26)
[4]基于蟻群算法優(yōu)化隨機(jī)森林模型的汽車保險(xiǎn)欺詐識(shí)別研究[J]. 閆春,李亞琪,孫海棠.  保險(xiǎn)研究. 2017(06)
[5]改進(jìn)的自適應(yīng)遺傳算法在函數(shù)優(yōu)化中的應(yīng)用[J]. 楊從銳,錢謙,王鋒,孫銘會(huì).  計(jì)算機(jī)應(yīng)用研究. 2018(04)
[6]基于改進(jìn)遺傳算法的反向傳播神經(jīng)網(wǎng)絡(luò)擬合LED光譜模型[J]. 高航,薛凌云.  激光與光電子學(xué)進(jìn)展. 2017(07)
[7]基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的故障電弧識(shí)別[J]. 韓旭,王蒙.  測(cè)控技術(shù). 2016(12)
[8]基于數(shù)據(jù)挖掘技術(shù)的車險(xiǎn)反欺詐系統(tǒng)構(gòu)建[J]. 湯俊,莫依雯.  上海保險(xiǎn). 2013(11)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的保險(xiǎn)欺詐識(shí)別研究——以中國(guó)機(jī)動(dòng)車保險(xiǎn)索賠為例[J]. 葉明華.  保險(xiǎn)研究. 2011(03)



本文編號(hào)：3407980