基于改进PSO-TSFNN的汽车保险欺诈检测模型

针对汽车保险欺诈检测的各影响因素存在复杂的非线性关系以及难以识别欺诈样本的问题,提出了一种改进粒子群算法(PSO)优化T-S模糊神经网络(TSFNN)的汽车保险欺诈检测模型,利用改进粒子群算法对TSFNN的网络系数和隶属度函数参数进行迭代寻优。针对传统的粒子群算法存在收敛速度慢,容易陷入局部最优的缺点,采用混沌映射产生初始种群,引入非线性时变惯性权重和自然选择机理构建了一种改进的粒子群算法。仿真结果表明:相比于传统的TSFNN、PSO-TSFNN,LDWPSO-TSFNN三种模型,改进PSO-TSFNN的汽车保险欺诈检测模型易于实现,具有更高的欺诈识别率、预测精度以及良好的鲁棒性。