基于RBF网络和贝叶斯规则的信用卡决策分析研究.pdfVIP

1556 2008中国发展进程中的管理科学与工程(卷II) 基于RBF网络和贝叶斯规则的信用卡决策分析 谢美萍 上海财经大学信息管理与工程学院，上海200433 xiemp@lshufe．edu．cn 摘要：在数据挖掘方法中，径向基函数网络方法用于聚类分析，被认为是较有吸引力的方法，而贝叶斯方法则根据其最 高概率的方法，可用于进行预测。对于连续数据提出了将其离散化，然后用RBF网络方法来对数据进行分类，其中隐层的参 数由聚类分析来定义，输出层的结论由最小二乘法来确定；最后应用贝叶斯概率方法来进行预测并仿真，仿真结果表明该方 法是有效的。 关键词：贝叶斯分析；数据挖掘；聚类分析；RBF网络 1引言 2 RBF人工网络方法 人工神经网络是基于生物学神经系统(如人脑)传 径向基函数网络是前馈型的，但是只有一个隐层， 递信息的一种启发式的信息处理模型，这个模型的重要 它和BP方法一样能够学习任意的映射，主要的不同 部分是它新颖的信息处理系统结构，它具有大量连接的 点在于它的隐层。 并行分布处理器，这些处理器构成一个整体来解决特殊 2．1 RBF网络的结构 的问题，人工神经网络可以象人一样通过离子来学习， RBF网络有三层，包括输入层(N)、隐层(L)和输 一个神经网络系统是通过学习过程，为一个特殊的应用 出层(M)，结构如图1。 而设置的，如形式认知和数据分类。生物学系统中的学 习包括调节存在于生物神经元之间的连接。 X 神经网络能够接近任何的非线性函数，并且运算 简单，因此成为研究的热点。神经网络方法在建模和 逻 预测复杂程序中已经取得了许多成就，也有许多好的 ● ： 经验。径向基函数(RBF)是基于BP网络的一种典型 品 的神经网络，由于它具有映射动态函数的特性，所以它 图1 RBF网络结构图 可以随着特性的改变而改变。而且径向基函数网络已 经在数据聚类方面得到了应用[1-3]，径向基函数在复 径向基函数网络也是前馈型的，但是只有一个隐 杂过程的模型建立方面具有广阔的应用前景。 层，RBF网络能学习任意的映射。主要的不同在于它 贝叶斯方法是概率统计学中一种很重要的方法， 的隐层，隐层对输入信号只在局部产生反应，当输入信 而且现在也已经成为一个研究的热点。简单地说，贝 号在靠近作用函数的中央产生范围处，隐层节点将产 叶斯统计是综合未知参数的先验信息与样本信息，依 生较大的输出，为输出层提供数据，一般地，隐层的径 据贝叶斯定理，求出后验分布，根据后验分布推断未知 向基函数足高斯函数： 参数的统计方法。它与经典统计的主要区别是在统计 (1)