-
题名改进利益驱动神经网络在欺诈信息的应用研究
- 1
-
-
作者
孙林娟
贾月辉
-
机构
天津大学仁爱学院计算机科学与软件系
天津中德应用技术大学软件与通信学院
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第12期3590-3593,共4页
-
基金
天津市科技计划项目技术创新引导专项优秀科技特派员项目(18JCTPJC51800)。
-
文摘
为了研究个体收益和代价实现总体净收益的最大化问题,提出了利益驱动的人工神经网络(ANN)分类方法。该方法引入了惩罚函数,根据实例不同的重要程度对不同实例的误分类给予可变惩罚,并在之后对净利益进行最大化处理。为了生成对个体的惩罚,参照每个实例的收益,通过改变函数值对误差平方和函数进行了修改,提出了七个不同版本的ANN模型。两个欺诈信息的实验结果表明,与原ANN、决策树和朴素贝叶斯分类器相比,所提模型的不同版本在净利润项上的性能优于其他方法,而且能够针对不同的数据集采用不同的权值生成方式。
-
关键词
神经网络
惩罚函数
利益驱动
欺诈信息
分类器
-
Keywords
neural network
penalty function
interest-driven
fraudulent information
classifier
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
