基于SOM自组织神经网络的企业信用评估模型-计算机应用技术专业论文.docxVIP

V2 V 2 太原理1：人学硕士研究生学位论文 788301 基于SOM自组织神经网络的企业信用评估模型 摘要 在实际的经济生活中，影响企业和个人信用的因素很多， 这些因素和信用之间多为一种非线性的关系，而且信用风险存 在着诸如分布不对称，数据匮乏等理论和实际问题，各界对信 用风险量化度量方法也未达成共识。对于传统的信用评估模型， 很难识别其中存在的对信用影响的模式，特别是在我们国内， 信用的评估多为专家方式，对于信用的评估结果人为的因素很 多，科学性和准确性较差。从未来的发展趋势看，随着科技的 进步，特别是计算机技术和信息技术的发展，将对信用风险量 化评估的发展产生巨大的推动作用，评估和管理的标准也将趋 于统一。 随着信息技术的发展，近年来人工智能(AI)模型被引入 信用评估中。常用的AI模型主要包括神经网络技术(AN-N)、 决策树等。ANN可以看成是从输入空间到输出空间的一个非线 性映射，它通过调整权重和闽值来“学习”或发现变量间的关 系，实现对事物的分类，有效解决非正态分布、非线性的信用 评估问题。 人工神经网络由大量简单的基本元件一神经元相互联结， 模拟人的大脑神经处理信息的方式，进行信息并行处理和非线 性转换的复杂网络系统。人工神经网络处理信息是通过信息样 太原理工大学硕士研究生学位论文 本对持经网络的训练，使其具有人的文摘的记忆如辨识能力， 完成各种信主处理功能。人工神经网络具有良好的自学习、自 适应、联想记忆、并行处理和非线性转挟韵能力，避免了主杂 数学挂导，在样本缺损和参数器静的情况下，仍能保证稳走的 输出。人工神经网结这种模拟人脑智力的特性，受到学术界的 高度重视和广泛研究，已经成功地应用于众多领域，如模式识 到、墨镜处理、语音识别、智能控制、虑如实现、优化计算、 人工智能等。本文骂人工神经网络技术应用于信用评估领域。 本论文分析了信用霄倍的背景和国内外现状以及近年来数 据挖掘技术的发展和应用，同时，研究了人工神经网络技术的 发展现块和特点。在此基础上提出了基于 SOM 神经网络的企业 信用评估模型，并使用数据挖据技术，提出了军数据的标准化 处理方法。 关键宇:信用评估， SOM 神经网络，数据挖掘，评结模重 II 太原理工大学硕士研究生学位论文 Companies Credit Assessment Model Basεd on Self-Organizing feature Map Neural Network ABSTRACT As the development of information technolog 弘 artificial inteBigence model has been used 1n credit Assessment in recent years. Artificial intelligence models in common use often ∞ntaín artificial neural network 、decision-making trees etc. We can regard artificial neural network as a non-linear mapping from input space to output space，and it can study or find the relation between variables by adjusting weight and threshold. It can sort different things and resolve the problems of non-normal school or non-linear credit Assessment 巳fficiently. Artificial n己ural network comprises a great deal of basic elements -neural uint connected one another. It can simulate human beings brain neural to deal with information and implement parallel treating and non-Iinear conversion. ArtificiaI neural IiInetwork deals with information by using information sample to train neuraJ network ，which make artificial neural network have the brain fun