改进利益驱动神经网络在欺诈信息的应用研究

• 作者: 孙林娟 贾月辉
• 来源期刊: 计算机应用研究
• 关键词: 神经网络 惩罚函数 利益驱动 欺诈信息 分类器
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3590-3593
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.09.0532

摘要

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.