孙海棠
- 作品数：5 被引量：14H指数：1
- 供职机构：山东科技大学更多>>
- 发文基金：山东省自然科学基金国家自然科学基金青岛市医药科研指导计划更多>>
- 相关领域：经济管理更多>>
- 基于模糊理论的关联规则及其在财险交叉销售中的应用研究
- 2017年
- 大量的客户信息数据给客户管理带来一定的困难,有效地借助数据挖掘工具,深入分析现有客户的个性化需求,维持重要客户并开展更广泛的交叉销售业务,对我国财险公司的发展具有重大意义。结合模糊集理论,探讨模糊关联规则在财险客户交叉销售中的应用,将模糊C均值算法引入到关联规则挖掘中,提出改进的Apriori算法—FARMA算法。借助SPSS、Clementine、R语言数据挖掘工具对算例数据进行挖掘,建立交叉销售模型,并进行算例分析,验证新算法的有效性。
- 闫春孙海棠李亚琪
- 关键词：数据挖掘
- 基于犹豫模糊理论的财险客户分类与终身价值评估研究
- 财险行业近几年发展形势向好，市值比重连年攀升，各大财险公司处于重要的战略机遇期，管理者越来越看重客户关系管理。良好的客户关系管理能够助力财险公司更好地把握行业脉搏，应对市场挑战，而客户分类与客户终身价值评估是客户关系管理...
- 孙海棠
- 关键词：客户关系客户分类终身价值聚类算法
- 文献传递
- 基于蚁群算法优化随机森林模型的汽车保险欺诈识别研究被引量：14
- 2017年
- 汽车保险欺诈在全球范围内逐步蔓延,车险欺诈识别越来越受到社会关注。本文针对实际汽车保险索赔数据中样本数量大且不平衡的特点,提出了平衡随机森林和蚁群结合的组合分类器。首先,对高维、不平衡的车险索赔数据集进行特征选择与分类,将随机森林的特征重要性评价得分和数据的统计检验得分作为启发式信息,利用蚁群算法进行智能搜索,把随机森林的分类精度反馈给蚁群进行信息素的实时更新,挖掘出判别车险欺诈的特征组合。然后将基于蚁群优化算法的平衡随机森林模型应用到汽车保险欺诈识别中。研究结果表明:基于蚁群优化随机森林算法的汽车保险欺诈识别模型能够更好地对车险索赔数据进行分类预测,挖掘车险欺诈规律,具有更好的精确度和稳健性。
- 闫春李亚琪孙海棠
- 关键词：蚁群优化算法启发式信息
- 基于极限学习机的汽车保险欺诈识别模型构建与研究被引量：1
- 2017年
- 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。
- 李亚琪闫春孙海棠
- 关键词：极限学习机广义线性模型欺诈识别
- 基于数据挖掘的财险客户风险贡献评级管理
- 2016年
- 良好的客户细分管理能够帮助财险公司更好地管理运营成本与收益,更好地实现公司风险控制和利润最大化的要求。文中采用相关分析进行相关数据的处理,运用K-Means聚类分析、决策树C 5.0算法和改进的Apriori算法3种数据挖掘技术对财险客户从风险和贡献2个角度进行了数据挖掘分类分析,得到具备风险、贡献指向性的双维度客户细分特征变量,并根据这些特征变量,建立了客户风险-贡献分类矩阵,对不同类别的客户提出了不同的客户管理对策建议。
- 闫春孙海棠
- 关键词：客户细分决策树关联规则
