基于改进PSO-TSFNN的汽车保险欺诈检测模型

摘要：

针对汽车保险欺诈检测的各影响因素存在复杂的非线性关系以及难以识别欺诈样本的问题,提出了一种改进粒子群算法(PSO)优化T-S模糊神经网络(TSFNN)的汽车保险欺诈检测模型,利用改进粒子群算法对TSFNN的网络系数和隶属度函数参数进行迭代寻优.针对传统的粒子群算法存在收敛速度慢,容易陷入局部最优的缺点,采用混沌映射产生初始种群,引入非线性时变惯性权重和自然选择机理构建了一种改进的粒子群算法.仿真结果表明:相比于传统的TSFNN、PSO-TSFNN,LDWPSO-TSFNN三种模型,改进PSO-TSFNN的汽车保险欺诈检测模型易于实现,具有更高的欺诈识别率、预测精度以及良好的鲁棒性.

关键词：车险欺诈、粒子群算法、模糊神经网络、混沌映射、非线性时变惯性权重、自然选择机理

所属期刊栏目：39

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金;全国统计科学研究重点项目;北京市教育委员会科技计划一般项目

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：168-173