论文部分内容阅读
随着计算机技术以及人工智能技术的不断发展，智能决策技术在许多领域得到研究和应用，并发挥着越来越重要的作用。本课题就是基于人工智能和决策支持系统领域的相关知识和技术，针对商业银行的信贷业务，进行银行贷款风险分类系统的开发。该系统不仅能使用户通过简单操作就能得到科学准确的贷款风险分类的决策评价结果，而且还可以使用户对系统进行知识添加、修改、删除及神经网络进行训练等自行维护操作，对于银行控制和防范贷款风险有一定的实际意义。 本文在研讨当前相关技术理论的基础上，通过对系统的整体设计构思、框架结构，以及各功能模块的职能划分等进行了细致深入地分析研究之后，提出了切实可行的技术路线与实施策略。 综合了专家系统和BP神经网络在定性的知识推理及定量的模型数值计算上的各自优势，两者融入到决策支持系统中，建立了银行贷款风险分类智能决策模型。 经过对专家系统相关理论的分析、研究，对知识库、知识库管理模块等方面进行了设计、实现，并设计了相应的推理机算法，在知识表示、知识获取、推理机构方面做了深入工作。 在系统中，设计出了借款企业财务状况BP神经网络模型，使系统增加自学习能力和对环境自适应能力。 在交互式操作方面，根据用户需要设计交互式界面，用户操作方便快捷，能够迅速得出用户所需的决策信息。 本课题有广泛的理论价值和实际价值，得到了交通银行沈阳分行的协作支持，系统经过实际运行，表明是有效的。系统实现了银行贷款风险分类智能化决策，可以辅助银行进行贷款决策，在一定程度上控制和降低贷款风险，为推动商业银行信贷管理智能化的研究提供了一种思路。这对商业银行信贷管理的智能化、规范化、科学化是一次有益的尝试。智能决策在金融领域中，有许多内容尚待进一步研究完善。