WIPO logo
Mobile | Deutsch | English | Español | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Recherche dans les collections de brevets nationales et internationales
World Intellectual Property Organization
Options
Langue d'interrogation
Stemming/Racinisation
Trier par:
Nombre de réponses par page
Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2018090657) PROCÉDÉ ET SYSTÈME BASÉS SUR UN MODÈLE BP_ADABOOST PERMETTANT DE PRÉDIRE UN DÉFAUT D'UTILISATEUR DE CARTE DE CRÉDIT
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2018/090657 N° de la demande internationale : PCT/CN2017/093803
Date de publication : 24.05.2018 Date de dépôt international : 21.07.2017
CIB :
G06Q 10/04 (2012.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
Q
SYSTÈMES OU MÉTHODES DE TRAITEMENT DE DONNÉES, SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION; SYSTÈMES OU MÉTHODES SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION, NON PRÉVUS AILLEURS
10
Administration; Gestion
04
Prévision ou optimisation, p.ex. programmation linéaire, "problème du voyageur de commerce" ou "problème d'optimisation des stocks"
Déposants : TONGJI UNIVERSITY[CN/CN]; No.1239, Siping Road, Yangpu District Shanghai 200090, CN
Inventeurs : JIANG, Changjun; CN
YAN, Chungang; CN
DING, Zhijun; CN
ZHANG, Yaying; CN
XU, Pu; CN
Mandataire : J.Z.M.C. PATENT AND TRADEMARK LAW OFFICE; YU, Mingwei Room5022, No.335, Guoding Road, Yangpu District Shanghai 200433, CN
Données relatives à la priorité :
201611024047718.11.2016CN
Titre (EN) BP_ADABOOST MODEL-BASED METHOD AND SYSTEM FOR PREDICTING CREDIT CARD USER DEFAULT
(FR) PROCÉDÉ ET SYSTÈME BASÉS SUR UN MODÈLE BP_ADABOOST PERMETTANT DE PRÉDIRE UN DÉFAUT D'UTILISATEUR DE CARTE DE CRÉDIT
(ZH) 基于BP_Adaboost模型的信用卡用户违约的预测方法及系统
Abrégé :
(EN) A BP_Adaboost model-based method and system for predicting credit card user default, comprising: acquiring attribute data of a credit card user and normalizing to produce a training sample set and a test sample set; initializing distribution weight values of training samples, determining the structure of a BP neural network, and initializing a parameter of the BP neural network; utilizing the training samples in training a number T of BP neural network weak classifiers; acquiring a strong classifier on the basis of the number T of weak classifiers, that is, a BP-Adaboost model for use in credit card user default prediction, thus predicting on the basis of the attribute data of the credit card user on whether same will default. The BP_Adaboost model-based method and system for predicting credit card user default perform data analysis and training on the basis of credit history of bank credit card users and establish a BP_Adaboost model, thus increasing the accuracy of credit card user default prediction.
(FR) L'invention concerne un procédé et un système basés sur un modèle BP_Adaboost permettant de prédire un défaut d'un utilisateur de carte de crédit, ledit procédé consistant à : acquérir les données d'attributs d'un utilisateur de carte de crédit et les normaliser pour produire un ensemble d'échantillons d'apprentissage et un ensemble d'échantillons de test; initialiser les valeurs de poids de distribution des échantillons d'apprentissage, déterminer la structure d'un réseau neuronal BP et initialiser un paramètre du réseau neuronal BP; utiliser les échantillons d'apprentissage pour apprendre un nombre T de classificateurs faibles de réseau neuronal BP; acquérir un classificateur fort d'après le nombre T de classificateurs faibles, c'est-à-dire un modèle BP-Adaboost destiné à être utilisé dans une prédiction de défaut d'utilisateur de carte de crédit, ce qui permet de prédire, d'après les données d'attributs de l'utilisateur de carte de crédit, si celui-ci fera défaut. Le procédé et le système basés sur un modèle BP_Adaboost, permettant de prédire un défaut d'utilisateur de carte de crédit, effectuent une analyse et un apprentissage de données d'après un historique de crédits d'utilisateurs de cartes de crédit bancaires et établissent un modèle BP_Adaboost, ce qui permet d'augmenter la précision de prédiction d'un défaut d'utilisateur de carte de crédit.
(ZH) 一种基于BP_Adaboost模型的信用卡用户违约的预测方法及系统,包括获取信用卡用户的属性数据,并进行归一化处理,得到训练样本集和测试样本集;初始化训练样本的分布权值,确定BP神经网络结构,初始化BP神经网络的参数;利用训练样本,训练T个BP神经网络弱分类器;根据T个弱分类器得到强分类器,即用于信用卡用户违约预测的BP_Adaboost模型,以根据信用卡用户的属性数据预测是否会违约。基于BP_Adaboost模型的信用卡用户违约的预测方法及系统根据银行信用卡用户的历史信用信息进行数据分析、训练,建立BP_AdaBoost模型,提升了信用卡用户违约预测的准确度。
front page image
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : chinois (ZH)
Langue de dépôt : chinois (ZH)