基于改进的遗传算法优化BP神经网络的车险欺诈识别模型

发布时间：2021-09-24 15:14

　　为了提高BP神经网络在保险欺诈识别中的准确率,利用改进的遗传算法优化BP神经网络初始权重,以克服BP神经网络容易陷入局部极小点、收敛速度慢以及样本依赖性等问题的缺点。改进的遗传算法充分考虑了遗传算法中种群适应度的集中分散程度,并且非线性地自适应调节遗传算法的交叉概率与变异概率。同时为了加快寻优效率,将排序选择策略与最优保存策略相结合。以某保险公司汽车保险历史索赔数据为样本,采用该算法进行模拟和预测。实证结果表明:相比于IAGA-BP、GA-BP、BP三种算法,该识别算法在识别准确率上有很大提高。 

【文章来源】：山东科技大学学报(自然科学版). 2019,38(05)北大核心

【文章页数】：9 页

【部分图文】：

图４各遗传算法优化ＢＰ神经网络对比图Ｆｉｇ．４ＣｏｍｐａｒａｔｉｖｅｄｉａｇｒａｍｏｆｏｐｔｉｍｉｚｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓｂｙｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ

【参考文献】：
期刊论文
[1]基于遗传算法优化BP神经网络的接触电阻预测[J]. 孙海峰,沈颖,王亚楠.  电测与仪表. 2019(05)
[2]遗传算法优化BP神经网络的交通流参数预测[J]. 车国鹏,刘永红.  综合运输. 2018(06)
[3]数据挖掘在车险欺诈与识别中的应用[J]. 赵彦竹.  时代金融. 2017(26)
[4]基于蚁群算法优化随机森林模型的汽车保险欺诈识别研究[J]. 闫春,李亚琪,孙海棠.  保险研究. 2017(06)
[5]改进的自适应遗传算法在函数优化中的应用[J]. 杨从锐,钱谦,王锋,孙铭会.  计算机应用研究. 2018(04)
[6]基于改进遗传算法的反向传播神经网络拟合LED光谱模型[J]. 高航,薛凌云.  激光与光电子学进展. 2017(07)
[7]基于遗传算法优化BP神经网络的故障电弧识别[J]. 韩旭,王蒙.  测控技术. 2016(12)
[8]基于数据挖掘技术的车险反欺诈系统构建[J]. 汤俊,莫依雯.  上海保险. 2013(11)
[9]基于BP神经网络的保险欺诈识别研究——以中国机动车保险索赔为例[J]. 叶明华.  保险研究. 2011(03)



本文编号：3407980