您的位置: 专家智库 > >

黑龙江省自然科学基金(G0304)

作品数:9 被引量:101H指数:7
相关作者:李一军叶强闫相斌邹鹏卢涛更多>>
相关机构:哈尔滨工业大学中南财经政法大学更多>>
发文基金:国家自然科学基金黑龙江省自然科学基金更多>>
相关领域:经济管理自动化与计算机技术社会学更多>>

文献类型

  • 9篇期刊文章
  • 2篇会议论文

领域

  • 7篇经济管理
  • 5篇自动化与计算...
  • 4篇社会学

主题

  • 7篇客户
  • 3篇遗传算法
  • 2篇信用
  • 2篇云模型
  • 2篇神经网
  • 2篇神经网络
  • 2篇时间序列
  • 2篇数据挖掘
  • 2篇聚类
  • 2篇客户细分
  • 1篇多分类器
  • 1篇多分类器融合
  • 1篇新资本协议
  • 1篇信用风险
  • 1篇信用风险评估
  • 1篇信用评估
  • 1篇银行
  • 1篇银行客户
  • 1篇知识发现
  • 1篇商业银行

机构

  • 11篇哈尔滨工业大...
  • 1篇中南财经政法...

作者

  • 8篇李一军
  • 5篇叶强
  • 5篇闫相斌
  • 4篇邹鹏
  • 3篇卢涛
  • 1篇刘小洪
  • 1篇尚维
  • 1篇张洁
  • 1篇阎长顺
  • 1篇崔广斌

传媒

  • 2篇哈尔滨工业大...
  • 2篇管理科学
  • 1篇计算机工程
  • 1篇管理科学学报
  • 1篇中国管理科学
  • 1篇系统工程理论...
  • 1篇管理学报
  • 1篇第8届全国青...

年份

  • 1篇2007
  • 3篇2006
  • 6篇2005
  • 1篇2004
9 条 记 录,以下是 1-10
排序方式:
基于遗传算法的多分类器融合模型在信用评估中的应用被引量:9
2006年
为探讨基于遗传算法的多分类器融合模型,并基于多分类器融合技术,建立新的客户信用分类模型,该模型通过使用分类融合器,将多个单分类器得到的客户信用评估结果进行合并,从而综合不同分类器的局部优势,提高分类性能.采用线性分类融合器,并通过遗传算法对分类融合器进行优化.实验表明,该方法在客户信用评估中的效果明显优于传统的运用单个分类器的方法.
叶强张洁
关键词:遗传算法信用评估
基于序列对齐的客户购买行为相似比较方法
2005年
序列对齐方法(SAM)是一种比较字符串序列间差异程度的方法。在SAM的基础上,提出了客户购买行为的相似比较标准,并给出了快速计算客户购买行为相似度的算法,从新的角度解决了客户的相似性比较问题。该方法可以发现客户购买产品和购买金额的差异,对基于客户购买行为的市场细分具有实际应用价值。
闫相斌李一军卢涛
关键词:客户
商业银行客户关系价值管理模型研究被引量:17
2005年
客户关系管理的核心是对价值的管理。在归纳客户关系管理中的价值体系基础上建立了客户关系价值管理的互动模型,描述了重要价值属性之间的关系,并介绍了该模型在商业银行个人业务中的具体体现,从价值管理角度探索我国商业银行客户关系管理过程的“关键路径”。
刘小洪邹鹏
关键词:客户价值商业银行
事件预测的时间序列数据挖掘方法被引量:7
2006年
研究了应用数据挖掘技术预测时间序列数据中事件的方法。针对时间序列数据提出了显著特征提取算法,给出了特征间的相似度量标准,并应用特征聚类算法,将时间序列数据转换成相应的特征序列表示。应用频繁模式发现算法和预测模式生成算法在预测时段内发现与目标事件相关的时序特征模式,预测事件的发生。实验结果表明,该文所提出的方法能够有效地预测时间序列数据中的事件。
闫相斌李一军崔广斌
关键词:时间序列数据挖掘聚类
面向巴塞尔新资本协议的自优化神经网络信用评估方法被引量:7
2005年
巴塞尔新资本协议中对信用风险评估使用的数据作了明确规定,而我国银行业目前所积累的数据还不能达到协议的要求;立足于我国银行业的现状,在新协议框架范围内探索可行的信用评估方法。对原有神经网络算法加以改进,提出自优化神经网络方法,该方法能较好地适应时变数据和自动优化神经网络评估模型,用真实的客户信用数据试验也表明该方法比普通神经网络有较高的准确性。
邹鹏叶强李一军
关键词:巴塞尔新资本协议信用风险评估神经网络自优化
基于多分类器融合的客户细分研究被引量:10
2004年
基于多分类器融合技术,建立了新的客户分类模型,该模型通过使用分类融合器,将多个分类器得到的客户信用评估结果进行合并,从而综合了不同分类器的局部优势,提高了分类性能。采用线性分类融合器,并通过遗传算法对分类器进行优化。实验分析表明,该方法的分类效果明显优于传统的运用单个分类器的分类方法。
叶强邹鹏尚维
关键词:多分类器融合遗传算法人工神经网络客户细分
动静态属性数据相结合的客户分类方法研究被引量:15
2005年
研究了一种客户动态、静态属性数据相结合的客户分类方法。提出了客户时间序列的加权处理方法,并应用客户时间序列的统计特征作为聚类特征向量,采用混合式遗传算法对客户聚类,使每一类客户具有相似的时序特征。在此基础上将聚类结果与客户的静态属性数据相结合,对客户进一步分类。实验结果表明,与传统的基于静态属性数据的客户分类方法相比,本文的方法提高了客户分类的准确性。
闫相斌李一军邹鹏卢涛
关键词:客户分类时间序列聚类遗传算法
基于云模型的动态客户细分分类模型研究被引量:15
2007年
针对现有的数据挖掘模型解决客户不确定性行为的不足,提出了基于云模型的动态客户细分分类模型.该模型将云模型理论中关于动态概念描述的思想引入到对分类状态集的后处理过程中,以隶属度高的类别被选中的概率大的程序设计原则实现了分类器处理过程的动态性.经试验验证,该模型能够更加客观地描述客户行为的非确定性和随机性特征,具有良好的分类效果.
阎长顺李一军
关键词:客户细分云模型不确定性
基于知识发现的客户智能框架结构及模型研究
从知识发现的角度研究了客户智能,分析了不同客户知识之间的关系,提出了基于知识发现的客户智能框架结构,并构建了客户智能模型。从新的角度为客户智能的应用和实施提供了理论支持,进一步完善了客户智能的研究。
闫相斌李一军
关键词:客户智能知识发现
文献传递
客户关系管理中的动态客户细分方法研究被引量:28
2006年
在分析客户行为的随机性和非确定性的基础上,指出现有的确定性客户细分方法不能很好地适应客户细分问题的这些特点.为此,提出基于云模型的动态客户细分模型,该模型将客户细分过程表示为一个C过程与一个P过程,并将描述非确定关系的云模型理论引入到客户细分的P过程中,从而实现了客户细分的动态性,提高了模型对客户行为描述的客观性.文章采用来自UCI的合成数据及来自银行的实际客户数据进行了数据实验,实验结果表明了该方法的有效性.
叶强卢涛闫相斌李一军
关键词:客户关系管理云模型
共2页<12>
聚类工具0