分享到:

人工智能助力保险业智慧化转型

“智能认证利用人脸识别、声纹识别等人工智能技术为每位客户建立起了生物档案,完成对人、相关行为及属性的快速核实。”平安金融壹账通总经理邵海峰说,该技术使保险行业从保单制跨越实名制直接到达“实人、实证、保单”三合一的“实人认证”,将使保险行业长期以来不安全、不便捷、不省心的痛点得以根本解决。$$保监会相关负责人表示,在人工智能方面,保险业逐渐将人工智能技术应用于各业务流程和服务环节,实现承保、核保、定损、理赔和客服等功能智能化,有力提升运营效率和服务水平。$$智能认证缩短投保时间$$保险行业在投保、理赔、运营三个核心环节仍存在诸多痛点。从投保看,申请材料多达40页;代理人需要在客户和营业厅多次往返,平均耗时长达15小时。2016年仅寿险退保金就超过4000亿元,占全年保费收入的20%。从运营看,全行业人员多达10万,仅寿险保全业务就多达60项,操作复杂,人力投入大。这些对很多科技和风控能力不足的保险公司都是严峻挑战。$$“智能保险云...  (本文共2页) 阅读全文>>

《当代经济》2018年03期
当代经济

基于随机森林的债券违约分析

一、引言近年来,我国债券市场快速发展,发债主体性质、发债主体所属行业及债券类型等日益多样化,债券市场规模迅速壮大。然而,由于宏观经济下行,需求不振以及供给侧、去产能等因素,近年来债券违约进入频发期。尤其是2016年,我国违约债券数量大幅增长,共有78只债券违约,约为2015年和2014年违约债券总和的2.7倍。从违约地域分布来看,涉及违约的区域(省份)多达22处。从违约债券的数目,辽宁省违约数目最多,这与东北三省近年来经济严重衰退的实情相符。不过广东省、上海与北京等经济发展良好的区域也有不少债券违约,可能的原因:一方面是经济发展较好的区域本身发行债券的基数较大,其中不可避免会有一些资质较差的发行主体。因此,计算基于违约债券中省份i数目到期债券中省份i的总数的区域分布发现,甘肃省发行的债券中违约比例最高,而辽宁省、河北省、内蒙古自治区以及四川省的违约比例也排名较高。可见,违约主要分布在经济发展较缓的区域,并且具有一定的聚集性。从违...  (本文共3页) 阅读全文>>

《计算机工程与应用》2018年10期
计算机工程与应用

基于改进网格搜索算法的随机森林参数优化

1引言随机森林算法是由Breiman于2001年提出的一种集成学习算法,并在文献[1]用强大数定理证明了其收敛性。其后,国内外学者相继对其进行了后续研究。在国外,Kulkarni等通过将维度分为两部分,一定程度上提高了正确率[2-3]。Oshiro等证明了随机森林的决策树数量存在一个临界值使其性能达到最优[4]。Bernard等研究了随机森林强度与相关性的关系,内在分析了随机森林的原理[5]。在国内,马景义等综合了Adaboost算法和随机森林算法的优势,提出了拟自适应分类随机森林算法[6]。刘迎春等基于随机森林算法,设计了互联网行业的大数据流式应用场景中的流式计算方法[7]。随机森林是一种有效的机器学习方法,可应用于分类问题、回归问题以及特征选择问题[8]。随机森林是由决策树作为基分类器的集成学习模型,结合了Bagging和随机子空间理论。随机森林算法引入了两个随机量:一是从训练集中有放回地随机抽取样本数据组成自助训练集;二是...  (本文共4页) 阅读全文>>

《云南师范大学学报(自然科学版)》2017年03期
云南师范大学学报(自然科学版)

随机森林在城市不透水面提取中的应用研究

2.西部资源环境地理信息技术教育部工程研究中心,云南昆明650500;3.云南师范大学信息学院,云南昆明650500)不透水表面是指人类活动过程中产生的、阻碍地表径流下渗到土壤层的人工地表覆被,它削弱了雨水和地下水之间的水循环过程,主要由道路、停车场组成的交通系统和屋顶、广场组成的建筑系统两部分构成[1].一方面,作为城市化进程的评价指标,不透水面可以反映城市的演变及扩张;另一方面,不透水面比例的上升,会导致地表径流增加,加剧城市热岛效应,带来水质非点源污染等城市环境的负面效应,因此不透水表面也是重要的环境质量的评价指标.目前,不透水面在城市规划及城市化监测、热岛效应分析、水环境监测和水资源管理、人口估计、水文气候建模分析等诸多领域具有广泛应用[2],高精度的不透水面信息提取是相关研究领域的前提和基础,研究具有广泛的现实意义.相对于早期的地面测量和手工数字化方法,利用遥感技术进行不透水面提取具有自动化程度高、经济高效、范围大、时...  (本文共6页) 阅读全文>>

《小型微型计算机系统》2017年08期
小型微型计算机系统

一种顺序响应的随机森林:变量预测和选择

1概述变量预测和选择的方法目标是预测响应或识别重要的预测因子,响应一个固有的顺序.顺序反应在生物医学应用的例子是I-IV肿瘤阶段,疾病严重程度,例如从轻微到中度到严重的疾病状态,和人为创造的成绩结合几个单个测量到一个总结,像阿普加分数.统计模型等顺序反应比例优势,继续比和邻类别模型已经广泛应用.然而,这些方法对预测因子之间的关系和应用程序的响应并不合适,包括高阶交互和预测因子之间的相关性[1].此外,这些模型依赖的假设在实际的应用程序通常是不现实的,参数估计通常面临的问题是数值不稳定.随机森林(RF,Random Forest)方法是Breiman(2001)提出的一种常用的工具,在生物信息学和相关领域进行分类和回归目的是预测候选变量排名[2].它被用在许多高维数据应用程序中,作为一种非参数方法,RF处理非线性变量相互作用,相关预测因子和异构性,这使得它在基因流行病学中得到广泛应用.RF方法可以应用于分类以及回归.通过分别使用分...  (本文共5页) 阅读全文>>

《自动化应用》2017年09期
自动化应用

基于随机森林回归的军械器材需求预测

0引言科学、准确地预测军械器材的需求量,对器材管理起着至关重要的作用。张良华[1]构建了乘法预测模型,对某装备保障维修器材消耗进行了预测研究。程玉波[2]针对装备维修器材需求量预测相对不够准确的问题,引入了适用于准确预测的指数平滑方法,建立了基于指数平滑法的装备维修器材需求量预测模型。苏磊[3]采用改进的灰色预测模型,建立了车辆备用器材量预测模型。蒋元涛[4]应用马尔可夫链预测方法,结合蒙特卡罗仿真,建立了煤矿贵重器材需求的预测模型。Y.Wan[5]针对在军械器材采购计划制定环节中的器材需求测算问题,提出基于蚁群改进BP算法的组合预测模型。随机森林(random forest)是Breiman[6]在2001年提出的一种包含多个决策树的预测和分类模型,具有较好的准确性和泛化性。该方法不用担心过度拟合的问题;调整的参数较少;可以判定哪个特征更重要;适合数据量较小且参数较多的数据;即使数据中存在有大量噪音,也可以取得好的预测效果;适...  (本文共2页) 阅读全文>>