收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

贝叶斯网络分类模型研究及其在信用评估中的应用

李旭升  
【摘要】: 数据挖掘作为一个新兴的学科,在各行各业的决策支持活动中扮演着越来越重要的角色。贝叶斯网络是一种不确定条件下的知识表达和推理工具,拥有其它数据挖掘工具所不具备的优势。利用贝叶斯网络对于事件或者属性间不确定性关系进行建模和推理,在商业智能、医学诊断、自然语言理解、故障诊断、启发式搜索、图像解释以及目标识别等领域产生了很多成功的应用。为了进一步提高其性能并拓展其应用领域,本论文以改进贝叶斯网络分类性能为主要研究目标,研究贝叶斯网络分类模型的算法,并着重考虑其在信用评估中的应用。 本论文的主要研究成果如下: 1.混合属性的树增强朴素贝叶斯分类器(TAN)、树增强朴素贝叶斯多网分类器(TAMN)的研究 TAN、TAMN要求对连续属性变量必须进行预离散化。为了更好地表达数据的分布,减少信息损失,本论文推导了混合属性变量数据的似然函数,实现了连续属性和离散属性对数似然计算的分离;结合图论中有向最小权重生成树算法,提出了扩展的树增强朴素贝叶斯、树增强朴素贝叶斯多网分类器算法;引进了对连续父节点,离散子节点条件概率分布的一种计算方法,从而避免了使用软阈值函数或神经网络拟合这种条件概率分布,减少了运算工作量,提高了计算精度;实现了用参数化的方法模拟连续属性变量,突破了必须对连续变量进行预离散化的限制,能够在TAN的框架内处理混合变量的情况,实验测试证明其具有良好的分类精度。 2.灵活的增强朴素贝叶斯分类模型的研究 提出了一种基于最小描述长度准则的增强朴素贝叶斯分类器算法。该算法能够根据数据集自适应匹配从朴素贝叶斯分类器(NB)到树增强朴素贝叶斯分类器(TAN)的网络结构,且保持了TAN计算简单和鲁棒的特点。在UCI数据集上用分层交叉验证对该算法进行了对比测试,结果表明该算法具有良好的分类精度。 3.判别分析的朴素贝叶斯分类模型研究 致力于弥补NB不能提取类间信息的缺陷,结合判别分析方法,提出了一种混合分类模型。首先使用线性判别分析(LDA)或核判别分析(KDA)的方法,寻找类间最大可分离的投影空间。然后再将原样本向最大可分离空间投影,获得新样本。用NB算法在新训练样本中进行学习,获得分类器,从而将NB与判别分析方法有机地结合起来。用该分类方法进行对比实验,结果表明该分类器具有较高的分类正确率。 4.应用研究 结合信用评估问题,在对数据预处理的基础上,用真实信用数据对已有的贝叶斯网络分类模型算法和本论文中的改进算法进行研究,并与神经网络模型、参数和非参数模型对比。证实了贝叶斯网络作为信用评估的有效性和实用价值。论文对贝叶斯网络信用评估模型进行了以下两个方面的研究: (1)针对贝叶斯网络分类模型,研究数据预处理方法,以及作为信用评估模型的误分率。在真实数据集上运用交叉验证对各种贝叶斯网络信用评估模型进行了测试,并与神经网络个人信用评估模型进行了对比。结果表明贝叶斯网络分类模型适合用于解决信用评估问题。 (2)结合最小总风险准则和贝叶斯网络分类器,提出了一种基于风险分类的新型信用评估模型。在真实数据集上按最小总风险准则采用交叉验证对贝叶斯网络信用评估模型进行了测试,并与按最小错误概率准则的神经网络、贝叶斯网络分类模型的结果进行了对比。结果表明基于最小总风险准则的贝叶斯网络分类模型可以有效地减少信用评估的风险。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王炳锡;研究数据挖掘技术 推进河南经济发展[J];河南科技;2002年07期
2 宋中山;数据挖掘技术及其应用[J];中南民族大学学报(自然科学版);2002年04期
3 林琳;浅议在数据挖掘中应用抽样技术[J];江苏统计;2003年06期
4 梁世红;数据挖掘在CRM中的应用[J];科技情报开发与经济;2003年01期
5 陈钟;基于DSO的数据挖掘应用[J];广西师范学院学报(自然科学版);2004年S1期
6 罗掌华,陈芝,刘鲁;一种探测shill出价的数据挖掘模型[J];系统工程;2004年10期
7 李红;基于土工试验的数据挖掘中的数据预处理技术[J];合肥学院学报(自然科学版);2004年01期
8 楚绪格,张永;基于分层神经网络的分类算法[J];甘肃科技;2005年05期
9 熊朝松;关联规则挖掘综述[J];科技广场;2005年05期
10 戚桂杰,陈丹,王凯平,李丽;数据挖掘中原始数据质量问题的统计处理[J];山东大学学报(理学版);2005年03期
11 任亮亮;林家骏;陈小伟;姜丽;张洁;;用数据挖掘技术分析航迹质量指标[J];中国科技信息;2005年23期
12 周忠眉;;数据挖掘与统计理论[J];漳州师范学院学报(自然科学版);2006年01期
13 李幸丽;杜培军;张华鹏;;电子政务中的数据挖掘及其应用[J];科技资讯;2006年06期
14 张骏;饶志刚;;模糊聚类分析方法在数据挖掘中的应用[J];科技进步与对策;2006年04期
15 李飞;;贝叶斯网络在数据挖掘中的应用[J];科技信息(学术版);2006年06期
16 张剑飞;;数据挖掘中的贝叶斯网络构建与应用[J];高师理科学刊;2006年03期
17 王真;;谈网络信息资源的组织与相关技术[J];科技情报开发与经济;2006年23期
18 王文平;刘希玉;韩杰;;基于并行遗传算法的关联规则挖掘[J];山东师范大学学报(自然科学版);2006年04期
19 孙花;;基于粗糙集的特征选择及其应用[J];科技信息(学术版);2006年11期
20 王紫生;边馥苓;;基于applet的数据挖掘信息可视化[J];地理空间信息;2007年01期
中国重要会议论文全文数据库 前10条
1 郭学军;陈晓云;;粗集方法在数据挖掘中的应用[A];第十六届全国数据库学术会议论文集[C];1999年
2 徐慧;;基于Web的文献数据挖掘[A];第十七届全国数据库学术会议论文集(技术报告篇)[C];2000年
3 孙迎;;医院信息的数据挖掘与方法研究[A];中华医学会第十次全国医学信息学术会议论文汇编[C];2004年
4 薛晓东;李海玲;;数据挖掘的客户关系管理应用[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(下册)[C];2004年
5 郭建文;黄燕;印鉴;杨小波;梁兆辉;;建立中风病“阴阳类证”辨证规范的数据挖掘研究[A];中华医学会第十三次全国神经病学学术会议论文汇编[C];2010年
6 薛鲁华;张楠;;聚类分析在Web数据挖掘中的应用[A];北京市第十三次统计科学讨论会论文选编[C];2006年
7 朱扬勇;黄超;;基于多维模型的交互式数据挖掘框架[A];第二十届全国数据库学术会议论文集(技术报告篇)[C];2003年
8 陈涛;胡学钢;陈秀美;;基于数据挖掘的教学质量评价体系分析[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
9 王星;谢邦昌;戴稳胜;;数据挖掘在保险业中的应用[A];北京市第十二次统计科学讨论会论文选编[C];2003年
10 郭建文;黄燕;印鉴;杨小波;梁兆辉;;建立中风病阴阳类证辨证规范的数据挖掘研究[A];2010中国医师协会中西医结合医师大会摘要集[C];2010年
中国博士学位论文全文数据库 前10条
1 李旭升;贝叶斯网络分类模型研究及其在信用评估中的应用[D];西南交通大学;2007年
2 孙丽;工艺知识管理及其若干关键技术研究[D];大连交通大学;2005年
3 胡志坤;复杂有色金属熔炼过程操作模式智能优化方法研究[D];中南大学;2005年
4 刘革平;基于数据挖掘的远程学习评价研究[D];西南师范大学;2005年
5 刘寨华;基于临床数据分析的病毒性心肌炎证候演变规律研究[D];黑龙江中医药大学;2006年
6 王川;基因芯片数据管理及数据挖掘[D];中国科学院研究生院(上海生命科学研究院);2004年
7 王涛;挖掘序列模式和结构化模式的精简集[D];华中科技大学;2006年
8 郭斯羽;动态数据中的数据挖掘研究[D];浙江大学;2002年
9 刘东升;面向连锁零售企业的客户关系管理模型(R-CRM)研究[D];浙江工商大学;2008年
10 余红;网络时政论坛舆论领袖研究[D];华中科技大学;2007年
中国硕士学位论文全文数据库 前10条
1 廖赛恩;养生方数据挖掘分析系统的研制[D];湖南中医药大学;2010年
2 李坤然;数据挖掘在股市趋势预测的应用研究[D];中南林业科技大学;2008年
3 郑宏;数据挖掘可视化技术的研究与实现[D];西安电子科技大学;2010年
4 杜金刚;数据挖掘在电信客户关系管理及数据业务营销中的应用[D];北京邮电大学;2010年
5 徐路;基于决策树的数据挖掘算法的研究及其在实际中的应用[D];电子科技大学;2009年
6 梁小鸥;数据挖掘在高职教学管理中的应用[D];华南理工大学;2011年
7 王浩;数据挖掘在上海市职业能力考试院招录考试优化管理项目中的运用研究[D];华东理工大学;2012年
8 黎卫英;数据挖掘在中职幼教课程改革中的应用[D];福建师范大学;2009年
9 张煜辉;数据挖掘和SPC在生产过程质量控制中应用研究[D];上海交通大学;2009年
10 刘华敏;数据挖掘在高职院校学生成绩分析中的应用[D];安徽大学;2011年
中国重要报纸全文数据库 前10条
1 李开宇 黄建军 田长春;把“数据挖掘”作用发挥出来[N];中国国防报;2009年
2 华莱士;“数据挖掘”让银行赢利更多[N];国际金融报;2003年
3 记者 晏燕;数据挖掘让决策者告别“拍脑袋”[N];科技日报;2006年
4 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
5 张立明;数据挖掘之道[N];网络世界;2003年
6 中圣信息技术有限公司 李辉;数据挖掘在CRM中的作用[N];中国计算机报;2001年
7 田红生;数据挖掘在CRM中的应用[N];中国经济时报;2002年
8 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
9 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年
10 张舒博;数据挖掘 提升品牌的好帮手[N];首都建设报;2009年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978