基于极限学习机的汽车保险欺诈识别模型构建与研究

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.

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

所属期刊栏目：30

分类号：F84;F8

资助基金：国家自然科学基金项目——"基于结构化大数据深度挖掘的非寿险保险公司经营风险模型研究"61502280,项目负责人:闫春;国家自然科学基金项目——"扩展逻辑Petri网理论及其在跨组织业务过程协同中的应用研究"61472228,项目负责人:刘伟;山东省自然科学基金项目——"扩展逻辑工作流网理论及其在组织间业务过程协同中的应用研究"ZR2014FM009,项目负责人:刘伟

在线出版日期：2017-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：96-100