公开(公告)号：CN108596758A

公开(公告)日：2018-09-28

申请号：CN201810414526.2

申请日：2018-05-03

Applicant: 湖南大学

Inventor： 杨胜刚 ,  陈佐 ,  彭涵祺 ,  赵寒枫 ,  陈邦道 ,  梅雪松 ,  余湘军 ,  李浩之 ,  王芍

IPC: G06Q40/02 ,  G06K9/62

CPC classification number: G06Q40/025 ,  G06K9/6256 ,  G06K9/6268

Abstract: 本发明公开一种基于归类规则分类器的信用评级方法，步骤包括：S1.获取用于模型训练的用户信用信息集，分别提取用户信用信息集中各信息对应的特征属性构成训练集，并使用RIPPER分类器进行训练，得到RIPPER评级模型；S2.输入待评估用户的信用信息并提取对应的特征属性，将提取到的特征属性输入至RIPPER评级模型中进行分类，得到信用评级结果输出。本发明具有实现方法简单、评级性能好、评级效率高，且可方便获取评级规则以及规则易于理解等优点。

公开(公告)号：CN108564466A

公开(公告)日：2018-09-21

申请号：CN201810415695.8

申请日：2018-05-03

Applicant: 湖南大学

Inventor： 杨胜刚 ,  陈佐 ,  赵寒枫 ,  陈邦道 ,  梅雪松 ,  余湘军 ,  李浩之 ,  王芍

IPC: G06Q40/02

CPC classification number: G06Q40/025

Abstract: 本发明公开一种信用评级方法，步骤包括：S1.获取用户信用信息集，提取各信息的特征属性构成特征属性集；S2.对特征属性集执行多次RIPPER分类，每次RIPPER分类后对特征属性进行筛选，重新进行RIPPER分类，直至得到所需的特征属性集；S3.对特征属性集进行二次筛选，得到最终的特征属性集并进行RIPPER分类，输出最终的RIPPER评级模型；S4.输入待评估用户的信用信息并提取特征属性，输入至RIPPER评级模型中进行分类，得到信用评级结果。本发明结合RIPPER分类以及两次特征筛选构建评级模型，实现方法简单，可便于获取易于理解的评级规则，且可以极大的减少数据处理量，提高评级效率及性能。

公开(公告)号：CN108335200A

公开(公告)日：2018-07-27

申请号：CN201810414547.4

申请日：2018-05-03

Applicant: 湖南大学

Inventor： 杨胜刚 ,  陈佐 ,  赵寒枫 ,  陈邦道 ,  梅雪松 ,  余湘军 ,  李浩之 ,  王芍

IPC: G06Q40/02

CPC classification number: G06Q40/025

Abstract: 本发明公开一种基于特征选取的信用评级方法，步骤包括：S1.获取用于模型训练的用户信用信息集，分别提取用户信用信息集中各信息对应的特征属性构成特性属性集；S2.对特性属性集使用RIPPER分类器执行多次RIPPER分类，每次RIPPER分类后根据分类结果对特征属性集中特征属性进行筛选，将筛选后的特征属性集重新进行RIPPER分类，直至生成所需的RIPPER评级模型；S3.输入待评估用户的信用信息并提取对应的特征属性，将提取到的特征属性输入至RIPPER评级模型中进行分类，得到信用评级结果输出。本发明具有实现方法简单、数据处理量小、评级效率高、评级性能好且可便于获取易于用户理解的评级规则等优点。

公开(公告)号：CN108615191A

公开(公告)日：2018-10-02

申请号：CN201810415598.9

申请日：2018-05-03

Applicant: 湖南大学

Inventor： 杨胜刚 ,  陈佐 ,  赵寒枫 ,  陈邦道 ,  梅雪松 ,  余湘军 ,  李浩之 ,  王芍

IPC: G06Q40/02 ,  G06F17/18

CPC classification number: G06Q40/02 ,  G06F17/18

Abstract: 本发明公开一种信用额度智能评估方法，步骤包括：S1.将用户正常履行约定的发生概率作为初始信用评分值，并使用用户信用数据训练概率的模型，得到初始信用评分模型；S2.获取待评估用户的信用数据，使用初始信用评分模型对获取的信用数据进行评分，得到初始信用评分值；S3.将初始信用评分值输入至预先按照概率分布特性构建的信用评分值与信用额度值之间的概率分布关系中，计算得到待评估用户的信用额度值。本发明具有实现方法简单、能够实现信用额度的智能评估，且评估效率及精度高、应用灵活等优点。

公开(公告)号：CN108596268A

公开(公告)日：2018-09-28

申请号：CN201810415714.7

申请日：2018-05-03

Applicant: 湖南大学

Inventor： 赵寒枫 ,  陈佐 ,  杨胜刚 ,  陈邦道 ,  梅雪松 ,  余湘军 ,  李浩之 ,  王芍

IPC: G06K9/62

CPC classification number: G06K9/6256 ,  G06K9/627

Abstract: 本发明公开一种数据分类方法，步骤包括：S1.获取用于训练分类器的训练集样本，并按照训练所需迭代次数将获取的训练集样本进行等分，得到多个训练子集样本；S2.基于Adaboost算法使用多个弱分类器分别对各训练子集样本进行训练，且每个弱分类器训练时，选择部分训练子集样本以及上一个弱分类器得到的部分错误样本组合构成最终的训练样本，由训练完成后的各弱分类器得到最终的ADB强分类器；S3.使用训练得到的ADB强分类器对待分类数据进行分类，输出分类结果。本发明分类训练时数据完整，且可避免训练数据成倍数增长及过拟合，具有实现原理简单、分类效率及精度高等优点。