用GA优化BP网络权值的方法及其在个人信用评估中的应用

本文首先论述了目前国际和国内个人信用评分现状,应用的主要评分方法,以及这些方法在实际应用中的缺点和不足。接着介绍了神经网络技术和遗传算法的发展现状,及其应用领域。进而利用前向神经网络的学习能力、非线性处理能力和容错能力,依据自然人客户各种信用指标,提出并设计了基于神经网络的信用评估模型,并用遗传算法优化了网络权值,弥补了其他方法的不足。模型的建立包括个人评分方法的分析、评分指标体系的确定、样本数据的预处理和BP算法和遗传算法的合作,并且取得了对于好坏客户的分类准确率能达到92.4%的较为满意的结果。最后,根据实际应用提出了进一步对BP算法和遗传算法的改进方法。这一评估模型的提出,对信用评估机构和金融机构提供了科学管理和正确决策的依据,同时也为解决同类问题以及神经网络和遗传算法应用于其他领域提供一条良好的途径。