基于极限学习机的汽车保险欺诈识别模型构建与研究

• 作者: 孙海棠 李亚琪 闫春
• 来源期刊: 科技与经济
• 关键词: 极限学习机 广义线性模型 汽车保险欺诈 GLM-ELM模型 欺诈识别
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 科技与经济论坛
• 页码范围: 96-100
• 页数: 5页
• 字数: 3832字
• 语种: 中文

摘要

随着保险业的发展,保险欺诈也在全球范围内蔓延,尤其在汽车保险领域.因此,从极限学习机的理论出发,对基于极限学习机的汽车保险欺诈模型进行研究,引入广义线性模型,提出了一种广义线性模型-极限学习机(GLM-ELM)汽车保险欺诈识别模型.首先进行汽车保险欺诈数据的筛选与处理,然后将广义线性模型用于参数估计和拟合数据分布,从而满足模型对数据分布的要求,最后将拟合分布后的数据输入到GLM-ELM汽车保险欺诈识别模型中,进行实证分析并得出结论.结果表明:相对于传统的模型而言,基于GLM-ELM的汽车保险欺诈识别模型能够更好地识别索赔数据中的欺诈信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫春	山东科技大学数学与系统科学学院	49	187	8.0	11.0
2	李亚琪	山东科技大学数学与系统科学学院	6	13	2.0	3.0
3	孙海棠	山东科技大学数学与系统科学学院	5	10	1.0	3.0