基于人工免疫聚类的欺诈客户分析  

Fraudulent customer analysis based on artificial immune clustering

作　　者：脱建勇[1,2] 李秀[1] 任守榘[1] 刘文煌[1] 

机构地区：[1]清华大学自动化系,北京100084 [2]北京化工大学信息学院,北京100029

出　　处：《清华大学学报（自然科学版）》2011年第7期893-897,共5页Journal of Tsinghua University(Science and Technology)

基　　金：国家自然科学基金项目(70671059)

摘　　要：针对传统aiNet聚类算法在处理欺诈客户分析时聚类精度差的问题,该文基于一种新的免疫聚类算法(SE-aiNet)提出了利用子群群体特征进化的免疫聚类算法,使收敛速度有显著提高,并在保持抗体种群规模的情况下有效提高了抗体的多样性;以训练所得的规则集来判断客户是否欺诈,经某银行的实际数据验证,算法的误分比例为24.0%,而相同环境下BP-NN算法的误分比例为32.3%,C-SVM的误分比例为28.6%。The traditional artificial immune clustering algorithm,aiNet,has a slow convergence rate.A new immune clustering algorithm,SE-aiNet,was developed by adding a sub-net evolution operator to aiNet.The sub-net evolution clustering algorithm improves the diversity of the antibodies and the similarities inside the same sub-set.The algorithm improves the clustering speed,while the antibodies help to distinguish fraudulent customer from real users.Tests on a bank data show that the SE-aiNet algorithm has a normalized mean absolute error（NMAE） of 24.0%,while the BP-NN algorithm has an NMAE of 32.7% and C-SVM has an NMAE of 28.6% on the same dataset.

关 键 词：聚类算法 欺诈客户识别 免疫聚类 客户关系管理 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]