電力企業(yè)客戶信用評(píng)價(jià)中的神經(jīng)網(wǎng)絡(luò)模型研究.pdf

1、對(duì)電力企業(yè)客戶進(jìn)行信用評(píng)價(jià)能有效地降低供電局的經(jīng)營(yíng)風(fēng)險(xiǎn)，信用評(píng)價(jià)問(wèn)題本質(zhì)上是一個(gè)分類(lèi)問(wèn)題，而在電力企業(yè)客戶中，信用差的客戶占極少數(shù)就決定了這樣的一個(gè)分類(lèi)問(wèn)題是不平衡的分類(lèi)問(wèn)題。本文在神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上對(duì)這類(lèi)問(wèn)題做了研究。首先對(duì)信用評(píng)價(jià)進(jìn)行了介紹，然后詳細(xì)解釋了RBF神經(jīng)網(wǎng)絡(luò)的原理及其學(xué)習(xí)算法，在研究電力企業(yè)數(shù)據(jù)的特點(diǎn)的基礎(chǔ)上，提出了解決多類(lèi)不平衡分類(lèi)問(wèn)題的神經(jīng)網(wǎng)絡(luò)模型，取得了很好的效果，并結(jié)合實(shí)際數(shù)據(jù)做了實(shí)驗(yàn)分析。本文所做的主要工作有

2、：
　　 1.提出了基于均衡聚類(lèi)分塊的RBF神經(jīng)網(wǎng)絡(luò)模型，有效地提高了在不平衡分類(lèi)問(wèn)題上利用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模的準(zhǔn)確率，并且提出一種基于最遠(yuǎn)點(diǎn)對(duì)的均衡聚類(lèi)算法，有效地降低了時(shí)間復(fù)雜度，改善了分塊不均衡的問(wèn)題，并取得了較好的運(yùn)行效果。
　　 2.在基于均衡聚類(lèi)的神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上應(yīng)用自聯(lián)想算法，并把該算法從二類(lèi)問(wèn)題推廣到多類(lèi)不平衡分類(lèi)問(wèn)題，使其適合電力企業(yè)客戶數(shù)據(jù)具有發(fā)散性的特點(diǎn)，還引入聯(lián)想率，以適應(yīng)多類(lèi)樣本的要求。