基于RBF神经网络的可疑交易监测模型

摘要：

针对国内外金融领域可疑交易的低检测率问题,通过对RBF(Radial Basis Function)神经网络技术的分析与研究,提出了一种基于APC-Ⅲ聚类算法和RLS(Recursive Least Square)算法的面向反洗钱的RBF神经网络模型并加以实现.APC-Ⅲ聚类算法用于确定RBF神经网络隐含层的中心向量,RLS算法用来调整隐舍层与输出层之间的连接权值.RBF神经网络与支持向量机(SVM)和孤立点检测相比,有更高的检测率和较低的误检率,因此,提出的模型具有重要的理论和实用价值.

关键词：反洗钱、神经网络、径向基函数、APC-Ⅲ聚类算法、RLS算法

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：陕西省教育厅自然科学研究项目the Education Department Natural Science Research Project of Shaanxi Province,China under Grant07JK339

在线出版日期：2010-03-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：207-210