基于AHP法和BP神经网络的商业银行客户信用评估模型【实用文档】doc

基于AHP法和BP神经网络的商业银行客户信用评估模型【实用文档】doc文档可直接使用可编辑，欢迎下载

基于AHP法和ＢＰ神经网络的商业银行客户信用评估模型基于AHP法和BP神经网络的商业银行客户信用评估模型【实用文档】doc文档可直接使用可编辑，欢迎下载美国次贷危机和希腊主权债务危机使人们对次贷风险的防范意识有了更进一步的增强,特别是对金融衍生产品创新中风险度量、风险控制甚至风险管理的理论和方法进行了深层次全方位的审视和思考。毫无疑问，次贷风险的防范应该从信贷源头即商业银行客户开始。商业银行对客户的信用评估是银行贷款的核心内容,对银行客户的信用等级评估是否合理、科学、准确关系着银行贷款承担风险的大小.因此，准确评价客户信用对银行来说至关重要。商业银行客户基数大，属性多,而且不同客户有着其各自不同的特点，银行不可能依次对每一个用户进行分析来确定其信用程度,这在时间、人力以及效率等方面都是不可取也是不现实的,那么银行应该按照一种特定的指标体系在拥有客户登记表的情况下对客户进行信用评估，这种特定的体系就是本文将要提出的基于AHP法和BP神经网络的商业银行客户信用评估模型。问题分析商业银行信贷最关心的是客户的信用程度和偿还能力以及在此基础上所能获得的最大利润问题,银行在评估客户信用程度时，是基于客户所提交的客户登记表来进行的，比如年龄、职业、学历、月收入、信用额度、信用历史等都是评估客户的要素．根据客户信息,银行在借贷时自然更偏重于那些职业较好、收入较高、信用历史较好的客户,但是这类客户很可能学历较低、信用额度偏大，这使得银行很难判断其真正的信用程度.因此，为了更加公正、客观的评估每个客户的信用程度,银行首先应该对客户所提交的客户登记表里的信息资料进行初步评分，基于对现实的考虑，在本文中，假设银行主要对客户的２4项基本资料进行评分，也就是说客户的信用程度就是通过这２4项评估指标所建立起来的（如图1所示)［1］.考察这24项指标，按先后顺序编号为，其中前９项决定客户的特征，中间8项决定客户的偿还能力,最后７项决定客户的信用状况,由图1可知,银行对客户的信用程度的评估就是基于这3大项的加权所得.根据BP（全称为BａｃkＰｒoｐaｇation）神经网络的算法，银行可采用大量的数据进行训练学习,使各个分量的权重最后趋于稳定,然后以此来计算客户的信用程度。由于在现实中很难找到大量、准确、可靠的数据来完成训练学习这个过程，因此，为了避免ＢＰ神经网络算法在初始化时采用随机数取值所带来的较大误差，本文首先采用层次分析法（ＡnalyｔicＨｉｅrａrchyＰroｃess简称AHP）对2４小项以及3大项的权重进行计算，确定初始化数据，然后再利用ＢP神经网络算法进行训练学习。图1商业银行客户信用评估指标体系商业银行客户信用评估指标体系Z年龄性别文化程度职业婚姻状况健康状况是否本地户口住宅性质本地居住时间客户特征商业银行客户信用评估指标体系Z年龄性别文化程度职业婚姻状况健康状况是否本地户口住宅性质本地居住时间客户特征个人财产家庭月收入活期存款余额分期付款占收入的比重工作年限存储帐户余额分期付款计划其他借贷情况偿还能力银行卡记录信用历史代发工资情况信用额度持卡时间持卡消费情况担保情况信用状况黄、橙、红5种颜色表示客户从高到低的信用程度[１］.绿色:表示该客户信用程度高,不必担忧其会发生不按期偿还贷款的情况．蓝色：表示该客户信用程度较高,只要在还款期限之前进行适当提醒该用户就能保证按时还款.黄色：表示该客户信用程度一般，只要及时催促，就能保证其按时还款。橙色:表示客户信用程度较低,为了保证客户按时还款,应该加强与用户之间的联系,在借贷时也要适当进行决策。红色:表示该用户信用程度差，银行在借贷时应该考虑是否要对其进行贷款．模型的假设分别对ＡHP法和BP神经网络算法中所涉及到的变量以及其他因素进行假设．1.ＡHP算法所涉及到的比较矩阵是根据Ｓaaty等人提出来的１－9尺度法进行度量的，在具体的矩阵拟定中，对人为因素所造成的误差忽略不计．2.基于现实以及计算考虑,在商业银行客户信用评估指标体系中，本文仅选取２4项,其余指标不予考虑，设分别表示客户登记表中的24小项的分值，在实际的银行信贷过程中，只要客户填写了客户登记表，那么这24项的值就随之确定．3．用表示各个小项所属的大项，分别为客户特征、偿还能力以及信用状况；用Z表示客户的信用程度．4.在BP神经网络结构中,假定输出单元的阈值为０.5。基于商业银行客户登记表中的属性评分标准(按1—５之间的整数打分，分数越高,表示信用卡持有者该属性表现越好),本文将根据最后所求得的Ｚ值的区间［0，1]将其划分为5个小区间，即［０，0.2），[0。2，0.4），[0。4，0.6)，［０.6,０。8),[0．8，1.0]，从低到高分别代表红、橙、黄、蓝、绿五个等级,根据最后所求Ｚ值落入的区间来确定该客户的信用等级.模型的建立用AHP法获得BP神经网络算法的初始权值AHP法是将定性分析和定量计算相结合的一种综合计算方法,可将决策问题分为三个层次，即最上层、中间层和最下层，其分别为目标层、准则层和方案层,在具体问题中，具有广泛的实用性．在AHP法中，为了确定同一层次间各因素对上层影响所占的比重,下面我们将引入一种比较科学合理的比较尺度，即尺度法[3］。比较尺度：在比较两个不同性质的因素和对于上层因素的影响时，为了使得到的数据科学合理，本文采用Saaty等人提出来的尺度法，即尺度的取值范围为及其互反数，如下表1.尺度含义1和的影响相同３比的影响稍强5比的影响强7比的影响明显地强9比的影响绝对地强2,4,6，8比的影响之比在上述两个相邻等级之间比的影响之比与上相反（“强”改为“弱”）表1尺度的含义表基于上述的比较尺度,以及参考了银行在实际信贷过程中考虑因素的重要性,本文拟定以下比较矩阵来表示在客户特征、偿还能力、信用状况中,商业银行信用评估各指标之间的相对重要性,具体图表如下:12１241１１5414５78631416５８１24131535213１４５6１11１23１112111表2客户特征中各指标的比较矩阵136241３１71７1４1213２1３１8２61211２8１25237１141表3偿还能力中各指标的比较矩阵１62３5131756１４31142２１１611１５1212341表４信用状况中各指标的比较矩阵相应地,本文同样得到了客户特征、偿还能力、信用状况这三个大指标之间的相对重要性比较矩阵，以此来确定商业银行客户信用评估指标中各主要元素的权重．z1３１241表５评估体系中的比较矩阵2。模型算法设计及实现２.1BＰ神经网络结构设计BP神经网络算法是由一个输入层、一个或多个隐含层和一个输出层组成，在本文中,与之对应的分别是AHP算法中的方案层、准则层和目标层。实验证明，三层的BP神经网络结构应用最为广泛。因此，本文也采用了典型的三层ＢP神经网络结构[4］，其中输入层节点数为2４,分别对应客户信用评估的２4个指标,输出层节点数为１，表示商业银行客户信用程度。经验显示,较好的隐含层节点数应介于输入节点和输出节点数量之和的５0%～7０％之间［６］,本文通过固定样本针对不同隐含层节点数进行训练，权衡运行效率、训练次数和网络总误差，最终确定隐含层节点数为3,如图2所示．图2三层ＢP神经网络结构图以三层为例,令为网络输入,即为各个指标的评价值，为隐含层输出，为网络的实际输出，即对信用风险的评价值。其中，输入层节点到隐含层节点的权重为,而隐含层节点到输出层节点的权重为,用和分别表示输出单元和隐含单元的阈值，则:（1）(2）其中，（3)2.2BP算法的实现步骤2．2．1模型算法设计根据BＰ神经网络和AHP算法的特征,建立改进的BP神经网络算法[１］,如下图3所示.图3改进的BP神经网络算法结构流程图2。2.2模型算法的实现模型算法的实现步骤如下：(1）传递函数的确定［4］.传递函数是反映下层输入对上层节点刺激脉冲强度的函数，又称刺激函数，一般取为(0，１）内连续取值Sigmoid函数：（３）误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数.设第j个单元节点输出的误差为，则总误差为：(4)其中,是第j个节点的期望输出值,是第ｊ个节点的实际输出值．(2）参数确定［1］.首先依据Saaty等人提出的１-9尺度法构造比较矩阵、、和。通过比较矩阵最大特征根和特征向量的和法算法［３],求得各比较矩阵的最大特征根和特征向量．和法算法：a.将A的每一列向量归一化得(５)b．对按行求和得（６)c。将归一化(7）而即为所求特征向量。d.计算,作为最大特征根的近似值。而即为所求权重向量.由于通过AHP法所得到的结果具有很好的一致性,因此参数的改变对运算结果不会有太大的影响．（３）初始化．将样本计算器ｐ和训练次数计数器q都置为1，误差E置为０。为了更加精确的得到从输入层到隐含层的权重以及从隐含层到输出层的权重，本文首先采用ＡHＰ法对权重和进行了初步确定，从而避免了常规BＰ神经网络算法采用随机数进行初始化所带来的误差，既缩短了ＢP算法对样本训练学习的周期，又提高了计算结果的精确度．(4)训练学习．神经网络的训练学习的过程就是对样本各权重进行调整并使其趋于稳定的过程，原则是使误差不断减小。训练学习过程如下：（8）（9)(10）其中，为期望输出值，为学习率,于（０,1）间取值，是为了保证BP算法的收敛性,所以，采用上述优化方法来确定．为动量因子，是为了避免样本训练时BP算法陷于局部极小点，取０〈〈＜１;为期望输出与实际输出之间的误差。对于每一个输入的样本,计算相应的和，得到权值的调整公式：（1１)(12）在和的误差达到要求的精度时，算法停止，训练学习过程结束。(5）网络误差.计算网络输出误差,设共有个训练样本，网络对应不同的样本有不同的误差,用其均方根（13）作为网络的总误差．其中t为计数器.每对样本完成一次训练学习,都会检查总误差是否达到精度要求或者训练次数是否达到上限值,若是,则停止,否则转到（４)，直到符合要求为止．模型的求解及应用1.样本训练基于AHP法和BP神经网络算法的基本思想而建立的BP神经网络客户信用等级评估模型,其输入层为24个神经元,分别对应客户信用评估的24项指标，根据这２4项指标,确定了影响客户信用评估的三大要素，即客户特征、偿还能力和信用状况,最终由这三大指标确定客户的信用程度。本文随机抽取了10份商业银行客户登记表作为研究对象,并对其中的定性指标进行了公正合理的打分，每个指标打分的范围为［1,5］之间的整数.即可得到一个样本矩阵：由AHP法即可得到分别对应的权重向量：［0。068966,0.02069０，0.179310，０。289655，０。1１7241,０。020689７,0.０27568，0.06８966,0．020６9０］T［0．150442,0。２1２38９，0。06１947，0.203540,0.02６54９,０.１76991，0。115044，0．053０9７］T[０.211７６5,0.341１７6,0.09４１18,0。１0５882，0。11765０，0．１05882，0.１29412］Ｔ[0．083３33，0．500０00,0.41666７］T将其作为初始化数据，在BP神经网络结构中进行训练学习,最终可求得：Z=［0。5645３9，0.５６3337,0.363566，0.８46153，0．3630９5，０.７362２7,0.4６354３，０．163985，０。7135８５,0．４1３２0９]T即为这10个客户的最终得分。2。评估分析基于上述拟定的评估等级,即可确定出这10名客户的信用等级,如表6所示：客户Z值误差信用等级客户１0.5645390．０00106黄色客户20．56333７０。０00089黄色客户30.３6３５660。0０0092橙色客户40。846１5３0.0０００９6绿色客户50．363０95０.０00086橙色客户6０.7３6２270．0００0９5蓝色客户70.４6３５4３０.00０09１黄色客户80.16398５０．0００09８红色客户90．713５８50．000092蓝色客户100.41３2090.000087黄色表6客户信用等级表为了便于银行对数据进行统计分析，现将表６中各个客户的信息用折线图以及柱状图的形式给出.图4客户信用程度图示黄黄蓝橙蓝橙绿红绿红图5客户人数与信用等级图示以上就是随机抽取的１0份商业银行客户登记表所对应的客户信用程度,从折线图与柱状图来看,信用程度处于一般信用的人最多,其次是较高信用与较低信用,而高信用与低信用的人数相对较少。这仅是对10份数据进行训练统计的结果，由于基数太小,可能不具代表性，但此模型是在AHP法和BP神经网络的共同作用下建立起来的，具有一定的科学合理性。另外,该模型评估误差小，计算速度快，从这方面来说,作为商业银行客户信用程度的评估依据,本模型依然具有较好的实用价值。参考文献：［1]卢雯嘉，栗秋华，周林，李杨，冯克群，曾平，黄林:基于遗产算法和ＢP神经网络的电力客户信用评价模型[J］。电力需求侧管理，2００9,11(6）:30-33［２]唐焕文，贺明峰:数学模型引论［M]．北京:高等教育出版社，2002[３]姜启源：数学模型［M］（第二版)。北京:高等教育出版社，200１［4］王莉，郑兆瑞，郝记秀:BＰ神经网络在信用风险评估中的应用［Ｊ]．太原理工大学学报，2005，36（2):2１7-218［５]居勇，曾鸣:基于云模型的用电客户信用评价[J].华东电力,2０09，3７（8)：124８［6］蔡皎洁,张玉峰：基于数据挖掘银行客户信用风险评级体系研究［Ｊ].情报杂志,２010，２９（2):49商业银行法测试一、填空题（17分）1、《商业银行法》所称的商业银行是指依照本法和《中华人民共和国公司法》设立的吸收公众存款、发放贷款、办理结算等业务的企业法人。T22、商业银行以安全性、流动性、效益性为经营原则，实行自主经营，自担风险，自负盈亏、自我约束。3、商业银行开展业务，应当遵守公平竞争的原则，不得从事不正当竞争。T94、设立商业银行，应当经国务院银行监督管理机构审查批准。未经国务院银行业监督管理机构批准，任何单位不得在名称中使用“银行”字样。T115、设立全国性商业银行的注册资本最低限额为10亿元人民币。设立城市商业银行的注册资本最低限额为1亿元人民币，设立农村商业银行的注册资本最低限额为5000万元人民币。T136、经批准设立的商业银行分支机构，凭国务院银行业监督管理机构颁发的经营许可证向工商行政管理部门办理登记，领取营业执照。T217、商业银行贷款，应当实行审贷分离、分级审批的制度。T358、商业银行贷款，应当遵守下列资产负债比例管理的规定：T39（一）资本充足率不得低于百分之8；（二）贷款余额与存款余额的比例不得超过百分之75；（三）流动性资产余额与流动性负债余额的比例不得低于百分之25；（四）对同一借款人的贷款余额与商业银行资本余额的比例不得超过百分之10。9、商业银行的会计年度自公历_1月1日_起至12月31日_止。10、商业银行贷款，应当与借款人订立书面合同。合同应当约定贷款种类、利率、金额、用途、还款方式、违约责任和双方认为需要约定的其他事项。二、单项选择题（15分）1、商业银行的贷款余额与存款余额的比例应符合下列哪项条件？（D）T39A、不得低于25%B、不得低于10%C、不得超过50%D、不得超过75%2、任何单位和个人购买商业银行股份总额多大比率以上的，应事先经中国人民银行批准？（A）T28A、5%B、8%C、10%D、15%3、在下列哪种情况下，中国人民银行可以对商业银行实施接管？（C）T64A、严重违法经营B、重大违约行为C、可能发生信用危机D、擅自开办新业务4、中国人民银行实行何种责任形式？（A）T10A、行长负责制B、集体负责制C、货币政策委员会共同负责制D、党委负责制5、中国人民银行的亏损应由什么弥补？（D）T38A、由下一年度的利润来弥补B、从总准备金中弥补C、通过发行货币弥补D、由中央财政拨款弥补6、国有独资商业银行设立监事会。监事会的产生办法由________规定。（A）T18A、国务院；B、财政部；C、中国人民银行；D、国有独资商业银行；7、商业银行拨付各分支机构营运资金额的总和，不得超过总行资本金总额的百分之____。（D）T19A20；B30；C50；D60；8、商业银行及其分支机构自取得营业执照之日起无正当理由超过6个月未开业的，由国务院银行业监督管理机构吊销其经营许可证，并予以公告。（C）T23A、2；B、3；C、6；D、12；9、商业银行应当于每一会计年度终了内，按照国务院银行业监督管理机构的规定，公布其上一年度的经营业绩和审计报告。（C）56TA、一个月B、两个月；C、三个月；D、半年；10、选项所列哪个机构有向银行查询、冻结、扣划单位存款的权力？(A)30TA、税务机关；B、工商行政管理机关；C、产品质量监督管理机关；D、物价管理机关。11、依据商业银行法，选项所列哪一项是商业银行破产的原因？(C)T71A、严重亏损；B、资不抵债；C、不能支付到期债务；D、因经营管理不善导致严重亏损。12、.根据《商业银行法》的规定，商业银行可以进行下列哪项活动?(B)A、从事信托投资和股票业务；T43B、代办保险；C、向非银行金融机构和企业投资D、投资于非自用不动产13、.根据《银行业监督管理法》的规定，银行业金融机构违反审慎经营规则且逾期未改正的，国务院银行业监督管理机构不能对其采取下列哪项(D)A、限制资产转让；T37B、限制分配红利；C、责令暂停部分业务；D、促成机构重组14、下列说法中哪一项不符合商业银行法的规定(C)。T43A、在中国境内，商业银行不得从事信托投资业务和股票业务B、在中国境内，商业银行不得向企业投资C、在中国境内，商业银行不得向金融机构投资D、在中国境内，商业银行不得投资于非自用不动产15、依据《商业银行法》，下列哪些表述是不正确的？(C)T19，T23A、商业银行的注册资本应当是实缴资本；B、设立城市合作银行的注册资本最低限额为1亿元人民币；C、商业银行可自主决定在境内地点设立分支机构；D、商业银行自取得营业执照之日起超过6个月无正当理由未开业的，由银行业监督管理机构吊销其经营许可证。三、多项选择题（34分）1、下列选项中的哪些选项符合《商业银行法》的规定？（ABD）A、商业银行发放贷款应以担保为主；B、商业银行发放贷款应遵循资产负债比例管理的规定；C、商业银行对关系人不能发放贷款；D、商业银行可以发放短期，中期和长期贷款；见《商业银行法》第2条第2款，第36条。第39条、第40条。2、商业银行用于同业拆借的拆出资金限于下列何种情况以后的资金？（ABC）见《商业银行法》第46条第2款。A、交足存款准备金B、留足备付金C、归还中国人民银行到期贷款D、留足当月到期的偿债资金3、商业银行发放贷款必须做一以哪些选项所述内容？（BC）A、借款人必须提供担保B、必须订立书面借款合同C、必须在中国人民银行规定的利率幅度内确定贷款利率D、期限不能超过10年见《商业银行法》第37条，第38条，根据上述规定，商业银行贷款，应当与借款人订立书面合同，合同应当约定贷款种类，借款用途，金额，利率，还款方式，违约责任和双方认为需要约定的其他事项。商业银行应当按照中国人民银行规定的贷款利率的上下限，确定贷款利率。4、下列行为哪些是违法的？（BCD）A、个人自行持有外汇B、境内机构以外币在境内计价结算C、转让外汇账户D、擅自对外提供担保见《外汇管理条例》第7条，第13条，第45条，第47条。5、中国人民银行可以对金融机构的下列哪些情况随时进行稽核，检查和监管？（ABD）A、贷款；B、存款；C、资产负债表；D、呆账

见《中国人民银行法》第32条第1款。该条款规定："中国人民银行有权对金融机构的存款、贷款、结算、呆账等情况随时进行稽核，检查监督。6、商业银行可以经营的业务是：ABCDFGT3A吸收公众存款；B买卖政府债券、金融债券；C提供信用证服务及担保；D代理收付款项及代理保险业务；E买卖股票；F提供保管箱服务；G发行金融债券；7、商业银行与客户的业务往来，应当遵循_ABCD的原则。T5A平等；B自愿；C公平；D诚实信用；8、国有独资商业银行监事会对本行的ABCDE进行监督。T18A、信贷资产质量；B、资产负债比例；C、国有资产保值增值；D、高级管理人员违反法律、行政法规的行为；E高级管理人员违反章程和损害银行利益的行为。9、商业银行对其分支机构实行ABD的财务制度。T22A全行统一核算；B统一调度资金；C自负盈亏；D分级管理；10、商业银行办理ABC等结算业务，应当按照规定的期限兑现，收付入账，不得压单、压票或者违反规定退票。T44A票据承兑；B汇兑；C委托收款；D开资金证明；11、拆出资金限于ABD之后的闲置资金。T46A交足存款准备金；B留足备付金；C提取各项准备金；D归还中国人民银行到期贷款；11、拆入资金用于ABD_的需要。T46A弥补票据结算头寸不足；B联行汇差头寸不足；C发放固定资产贷款；D解决临时性周转资金；12、商业银行办理业务，提供服务，按照规定收取手续费。收费项目和标准由AB根据职责分工，分别会同国务院价格主管部门制定。T50A国务院银行业监督管理机构；B中国人民银行；C财政部；

13、下列说法正确的是：ABCD。A违反票据承兑等结算业务规定，不予兑现，不予收付入账，压单、压票或者违反规定退票的；由国务院银行业监督管理机构责令改正，有违法所得的，没收违法所得，违法所得五万元以上的，并处违法所得一倍以上五倍以下罚款；没有违法所得或者违法所得不足五万元的，处五万元以上五十万元以下罚款。(第七十三条)B未按照中国人民银行规定的比例交存存款准备金的。由中国人民银行责令改正，并处二十万元以上五十万元以下罚款；情节特别严重或者逾期不改正的，中国人民银行可以建议国务院银行业监督管理机构责令停业整顿或者吊销其经营许可证；(第七十七条)C商业银行工作人员利用职务上的便利，索取、收受贿赂或者违反国家规定收受各种名义的回扣、手续费，构成犯罪的，依法追究刑事责任；尚不构成犯罪的，应当给予纪律处分。有前款行为，发放贷款或者提供担保造成损失的，应当承担全部或者部分赔偿责任。D商业银行工作人员利用职务上的便利，贪污、挪用、侵占本行或者客户资金，构成犯罪的，依法追究刑事责任；尚不构成犯罪的，应当给予纪律处分。14、依据商业银行法，下列哪些事项的变动应当经国务院银行业监督管理机构批准？(BCD)T24A、行长的更换；B、变更持有股份总额5％的股东；C、业务范围的调整；D、分支行所在地的变更15、依据商业银行法，下列表述中哪些是错误的？(AB)T27A、商业银行的工作人员不得在任何组织中兼职；B、商业银行的高级管理人员及信贷业务人员不能从本银行取得贷款；C、商业银行对任何一个关系人的贷款余额不得超过商业银行资本余额10％；D、个人所负数额较大债务到期未能清偿的人不能招聘为商业银行的高级管理人员16、商业银行实施的下列行为中，哪些是违反商业银行法的(CD)。A、用拆借的资金弥补联行汇差头寸的不足；B、向行长配偶任职的公司发放信用贷款；C、与关系密切的客户达成代销公司债卷的协议；D、规定借款人不提供担保的，一律不发放贷款第３条、第３６条、第４０条、第４６条17、某商业银行发放的下列贷款，应计入不良贷款的有？(BD)T34A．甲公司的一笔流动资金贷款于本周到期，现银行同意其延展还款期1个月；B、乙公司的一笔房地产项目贷款于2005年6月到期，2004年7月该项目因资金短缺而停建；C、丙公司的一笔委托贷款于2005年9月到期，2004年7月该公司已进入破产清算程序；D、丁公司的一笔拖欠多年的固定资产贷款，现已按规定以呆账准备金予以冲销。四、判断题（14分）1、商业银行以其全部法人财产独立承担民事责任。(√)T42、商业银行的组织形式、组织机构适用《中华人民共和国公司法》的规定。(√)T173、商业银行在中华人民共和国境内的分支机构，不按行政区划设立。(√)T194、商业银行的分支机构具有法人资格，其民事责任自行承担。(×)T225、商业银行的分立、合并，适用《中华人民共和国公司法》的规定。商业银行的分立、合并，应当经国务院银行业监督管理机构审查批准。(√)T256、商业银行应当按照中国人民银行规定的存款利率的上下限，确定存款利率，并予以公告。(×)T317、商业银行贷款，借款人应当提供担保。经商业银行审查、评估，确认借款人资信良好，确能偿还贷款的，可以不提供担保。(×)T368、《商业银行法》中所称的关系人是指：（1）商业银行的董事、监事、管理人员、信贷业务人员及其近亲属；（2）前项所列人员投资或者担任高级管理职务的公司、企业和其他经济组织。(√)T409、商业银行可以在中华人民共和国境内从事信托投资和证券经营业务。(×)T4310、企业事业单位可以自主选择至少一家商业银行的营业场所开立办理日常转账结算和现金收付的基本账户。(×)T4811、任何单位和个人不得将单位的资金以个人名义开立账户存储。(√)T4812、商业银行可以根据季节变化及客流量的大小延长或缩短营业时间。(×)T4913、对商业银行实行接管的目的是对被接管的商业银行采取必要措施，以保护存款人的利益，恢复商业银行的正常经营能力。被接管的商业银行的债权债务关系不因接管而变化。(√)T6414、商业银行破产清算时，在支付清算费用、所欠职工工资和劳动保险费用后，应当优先支付个人储蓄存款的本金和利息。(√)T71五、简答题（20分）1、商业银行的关系人有哪些?答：（1）商业银行的董事、监事、管理人员、信贷业务人员及其近亲属；（2）前项所列人员投资或者担任高级管理职务的公司、企业和其他经济组织。2、担保物权消灭的情形有哪些？答：（1）主债权消灭；（2）担保物权实现；（3）债权人放弃担保物权；（4）法律规定担保物权消灭的其他情形。3、合同无效的情形有哪些？答：（1）一方以欺诈、胁迫的手段订立合同，损害国家利益；（2）恶意串通，损害国家、集体或者第三人利益；（3）以合法形式掩盖非法目的；（4）损害社会公共利益；（5）违反法律、行政法规的强制性规定。4、设立商业银行，应当具备什么条件？答：（1）有符合本法和《中华人民共和国公司法》规定的章程；（2）有符合本法规定的注册资本最低限额；（3）有具备任职专业知识和业务工作经验的董事、高级管理人员；（4）有健全的组织机构和管理制度；（5）有符合要求的营业场所、安全防范措施和与业务有关的其他设施。中南大学ﻩ本科生毕业论文（设计)题目基于神经网络的手写数字识别系统的设计与实现目录TOC＼ｏ”1-3”\h\ｚ\u摘要ⅠHYPＥRLＩＮK\l＂＿Toc２３1０6４６５9"AＢSTRACTⅡ第一章绪论ＰAGEREF＿Ｔoc2３1０6465９\h１１．1手写体数字识别研究的发展及研究现状PAGEＲＥF_Toc231064660\ｈ1HYＰERLINK\l”＿Toc231０６４661＂1。2神经网络在手写体数字识别中的应用ＰＡGEREF_Toc２3106４6６１＼h２HYPERＬINＫ\l"＿Toc２３106４662＂1．3论文结构简介PAGERＥF_Tｏｃ２310６4662\h3第二章手写体数字识别ＰAGEREＦ_Toc23１0６４663\h42。1手写体数字识别的一般方法及难点PAGEREF_Ｔoc２310６4664\ｈ42.2图像预处理概述PAGＥRＥF_Ｔoc231064665\h５HYPERLINK\l＂_Toｃ２３10６4666”２。3图像预处理的处理步骤PAGEＲＥF_Toc231０6４6６6\h52。3。1图像的平滑去噪ＰAＧEREF_Tｏｃ2310６４667\h5２。３.2二值话处理ＰＡGERＥF_Toｃ２31064６６８\h6HYPEＲLINK\l"＿Toc231064６69＂２.3．3归一化PAGEＲEF＿Tｏc２3１064669\ｈ72。3。4细化ＰAGＥＲＥF＿Tｏc23１０６4670\h８HＹPERＬINＫ\l”_Ｔoc2３１0６4６７1＂2.4小结ＰＡGEREF＿Ｔoc23106４671\h9HＹPERLＩNK\l"＿Toｃ2３1０６４672”第三章特征提取PAGERＥＦ_Toc231064６７2\ｈ1０3.1特征提取的概述PAGEＲEＦ_Toc２3106４673\h１０ＨYPＥＲＬINK\l”_Ｔoc23106４６7４＂3。2统计特征PAGEREF_Tｏc231０64674\h103.3结构特征PＡGEＲＥF_Toｃ231064675\ｈ11HYPERLＩＮK\l"＿Ｔoc231０646７6”3．3．1结构特征提取PAGEREF＿Ｔoc23１0６4676＼h113。3.２笔划特征的提取PAGＥREF_Toc231０6４677＼h11HＹPERＬINK\l”_Tｏc23106４6７8＂3。3．3数字的特征向量说明ＰAGEＲEF_Toc23106４678\ｈ123.３知识库的建立PＡGEREF_Toc231０64６79\h1２第四章神经网络在数字识别中的应用PAＧERＥF＿Tｏｃ2３1064680\h１4４。1神经网络简介及其工作原理PＡGＥRＥＦ_Toc2３10６4681\h144.1.１神经网络概述[１4]PAGＥＲEF_Tｏc231064682\ｈ１4HＹPERLINK\l”_Ｔoｃ231０６４683”４．1。2神经网络的工作原理PAGERＥF_Tｏc2310６468３\h14４。2神经网络的学习与训练[1５]ＰＡGＥREＦ_Toc２310６４6８4＼h1５4.3BP神经网络ＰAGEＲＥF＿Toｃ23106468５\h164．３.1BP算法ＰAＧＥREF_Ｔoc２3106468６\h１６HYPERLINＫ\l"_Ｔoc２310６4６８7"4。３．2ＢP网络的一般学习算法PAGEREF＿Toc２310６4687＼h16ＨYPERＬINK\l”＿Toc2３1０64688＂4。3.3BP网络的设计ＰＡＧＥREF_Toｃ23106４６88\ｈ1８HYＰERＬINK\l＂_Tｏc2３10646８9"4.4BＰ学习算法的局限性与对策PAGＥREF_Toc23１０646８9\h2０HYPERLIＮＫ\l”_Toc２31０64６9０"4.５对ＢＰ算法的改进PAＧEREF_Tｏc２31０646９０\h21HＹPERLIＮK\l”_Toc２3１０６4691"第五章系统的实现与结果分析PAGＥREＦ＿Toc231064691\h23HYＰＥＲＬINＫ\l”_Toc23１０646９2”５.1软件开发平台３1０64692\h2３5。１.1ＭATLAＢ简介PAＧEREF＿Toｃ231064693\h2３5。１。２MATLＡB的特点PＡGEREF_Ｔoc2310６46９4\h２3５.１。3使用MATLAB的优势PAＧEREＦ_Toc２31０64695＼ｈ2３5.2系统设计思路PAGＥREＦ_Ｔｏc2310６4696＼h24HYPERLＩNK\l"＿Toc２31064697”5.3系统流程图１0６4697\h24５．4ＭＡTLAB程序设计PＡGEREF_Toc23１0６４698＼h24HＹPERLINＫ\l"_Ｔoc23106４69９＂５.5实验数据及结果分析ＰAＧEＲEF_Toc231０６46９9\h26经该归一化算法计算得到矩阵M，MAＴＬAB运行结果如图2.4所示。图2．4归一化处理2。３．4许多字符识别方法在预处理中都很重视对二值化字符的细化处理.直观来说,细化就是将二值化字符点阵逐层剥去轮廓上的点,变成笔画宽度只有一个像素宽度的字符骨架图形。之所以需要细化处理，是因为二值化点阵图形中,对识别有价值的文字特征信息主要集中在字符骨架上，细化后的字符骨架既保留了原字符的绝大部分的特征,又利于特征提取。细化后骨架的存储量比原来的二值化字符点阵要少得多,降低了处理工作量。手写体数字细化的基本要求如下：第一、保持原有字符笔画的连续性，不能由于细化造成笔画断裂。第二、要细化为单线，即笔画宽度为一个像素。第三、细化后的骨架应尽量是原来笔画的中心线。２。4小结预处理是手写数字识别中不可缺少的组成部分，对图像预处理的好坏直接影响到识别的结果,关系到识别算法的好坏。文中首先对待识别数字的预处理进行了介绍,包括平滑去噪、二值化、归一化、细化等图像处理方法，经过这些预处理步骤，对图像中部分变形信息进行了修正，消除图像中与识别无关的因素，而且尽量保持原图像的字符特征,在实验中提高了数字识别网络的性能。第三章特征提取3．１特征提取的概述模式识别使用特征来区分不同的种类。因此，特征提取是模式识别系统的关键部分。特征提取的目标是找到某种变换,将N维或Ｎ＊N维的模式类别空间转换到维数小得多的M维特征空间,并同时保留模式识别所需要的大部分信息.通过特征提取，模式分类可以在维数低得多的空间上进行，从而降低了计算的复杂度。而且，对给定的训练样本进行特征提取可以获得更精确的分类函数的描述,以构造更可靠的分类规则。同样对于手写体数字的识别,特征提取可以降低字符信息量、去除无用的冗余信息,提高识别系统效率，一直是字符识别领域中的关键点。特征提取的目的是从原始数据中抽取出用于区分不同类型的本质特征。无论是识别过程还是学习过程，都要对研究对象固有的、本质的重要特征或属性进行量测并将结果数值化，形成特征矢量.手写体数字的识别中，常用的特征有结构特征和统计特征。结构特征和统计特征各有其优点:结构特征能描述字符的结构,对于不同人书写的字符,形体不同，但结构都是一致的，所以结构特征能克服手写字体因人而引起的畸变;统计特征最大的优点是对环境噪音不敏感，如若字符的背景噪音通常都是呈高斯分布,用统计特征进行识别可对此影响忽略不计.本章将用两小节分别对结构特征和统计特征进行论述。３.2统计特征对复杂图像信号作小波变换［１1］,进行多分辨率分析，已经成为图像信号分析和处理的常用方法.由于小波变换的结果体现为大量的小波分解系数，这些系数包含了系统或信号本身大量和多样的特征信息。如果图像信号的主要信息能以一个或一组特征量来表征，我们就可以更加直观、有效和方便地对各种随机信号进行信息提取、信号检测、特征识别.统计特征分为宏观特征信息和局部特征信息。宏观特征信息是需要在整幅图像上获取的特征信息.传统的全局特征主要包括:全局变换特征（对字符图像进行各种变换，利用变换系数作为特征向量，常用的变换有Ｆｏurｉer变换、K—L变换、小波变换等）、不变矩特征、全局笔划方向特征等；常用的局部统计特征有:局部笔划方向特征、Gabｏr特征等。统计特征对微小的畸变不敏感,但区分相似的能力较差。以下为程序设计中对小波分析提取低频部分的统计特征的实例：f＝iｍread（’ｓａmple.bmp')；输入图像［c，ｓ]＝ｗavｅdec2(h,３，'dｂ2＇);对人脸图像进行３阶小波分解,并提取小波系数wａvｅ2ｇray(ｃ，s，8）；显示小波分解后各子图y＝wavecｏｐy(’a',c,ｓ）figｕre,imｓhow(mat2ｇrａy（y））;提取主要特征３.３结构特征采用结构特征［1２］对字符进行结构分析从而达到识别目的，是一种非常直观的方法。字符由各个子部件构成，逐级分析字符图像的结构，根据各元素的属性、数量及其相互关系，便可判定待识字符。与统计方法相比,结构分析不注重特征的绝对位置，只考虑特征的相对关系,因而对书写风格的变化不敏感,其缺点在于特征提取和模板的建立都十分困难，匹配算法也比较复杂,神经网络的应用弥补了这个缺点,只要提取出适当的结构向量作为神经网络的输入向量，会得到令人满意的识别输出结果.以下详细介绍。3.3。１首先对经预处理后的图像进行分割，如图3.1所示。图3.１图像分割对图像分割后，结构特征提取的算法如下：(1）对细化后的数字图像取竖直的三条直线,分别取在5/12，1／2,7/12处,记下这三条竖直直线与数字笔段的交点数。（2）再取水平三条直线,分别取在１/３,1/２,2/３处，分别记下这三条水平直线与数字笔段的交点数。（3）再取对角两条直线，分别记下这两条对角直线与数字笔段的交点数。3.３.2经细化后的数字图像其特征较为稳定,且笔划简单,因此对其抽取的基本结构组件能反映数字的本质特征，从而可快速有效地识别数字，并达到较好的分类效果。数字端点如图3。2所示。图3.2数字端点对图像分割后，结构特征提取的算法如下:(１）按从上到下，从左到右的顺序扫描预处理后图像并选择黑像素点P;（2)计算像素Ｐ的8-邻域之和N;（3）若N=1，则像素P为端点,端点计数器加一;(4）重复步骤（1）-（3）,直到遍历整个图像。３.3.3依据上述特征提取方法,本系统中的特征矢量由9个分量组成，其排列如下所示:ＤＡTA=［竖直中线交点数,竖直5／12处,竖直７/1２处，水平中线交点数 ,水平1/3处交点数，水平2/３处交点数，左对角线交点数，右对角线交点数，端点数］；3.３知识库的建立由于本文采用的是基于模式知识库的识别方法，所以对字符的结构特征的分析以及字符模型的构造是一个十分重要的环节，图3。3就是对识别数字的标准形态进行具体分析而构造的模板。图３．3规范手写体数字形态以下为规范手写体数字形态的特征向量:DAＴA0１=［2，2，2,2,2，2，2，2，0];DATA11＝[１,0，0,1,1，1，１，1,2];DAＴA２1=[3,3，３,１,1,１，1，1,３］;DAＴA31=[3，2，3，1,1，１，2，2,３]；DATA4１=［1,1，1,2,2，1，3,2,4］；DAＴA51=[３，3，3，1，１，1,2，2,4］;DATＡ６1＝［3,３，2,1，1,２，3，2,1]；DＡＴA71=[2，2,2，1，1，1,1,1,２];ＤATＡ81＝［4，４，4,2,2,２，2，2，0］;DATA91=［3，３，3，１，2，1，3，1，1］。由于本系统是对自由手写体进行识别，因而要考虑数字书写体的多变性.通过对图3.4所示的数字变体的分析来对知识库进行补充。图３.4手写体数字变体以下为手写体数字变体形态的特征向量：DATＡ02＝[1，1，２,2，2,２，1，2，2];ＤATA2２＝[3，2，2，1,1，１，1，３，2］;DAＴＡ３2＝［3，１,4，2，1,１，2,２，3］;DＡTＡ42=［1，2,2，3,3，1,2，2,2］;DＡTA52＝［3，３,３,1，1，1,2,2,4];DATＡ62＝［3,1，３，1，1,2，2，２，2];DAＴA82＝［4，4，４，2，１,2，1,２，２]；DＡTA9２＝［3，2,3,2,１,1，3,1，3］。最后得到的知识库由上述两套模板所组成。第四章神经网络在数字识别的应用４.１神经网络简介及其工作原理人的智能来自于大脑，大脑是由大量的神经细胞或神经元组成的。每个神经元可以看作为一个小的处理单元,这些神经元按照某种方式互相连接起来，构成了大脑内部的生理神经元网络。他们中各神经元之间连接的强弱，按照外部的激励信号作自适应变化,而每个神经元又随着接收到的多个激励信号的综合大小呈现兴奋或抑制状态。4。1。1神经网络概述人工神经元网络是生理学上的真实人脑神经网络的结构和功能，以及若干基本特性的某种理论抽象、简化和模拟而构成的一种信息处理系统.从系统观点看，人工神经元网络是由大量神经元通过极其丰富和完善的联接而构成的自适应非线性动态系统。由于神经元之间有着不同的连接方式,所以组成不同结构形态的神经网络[14]系统是可能的.据现在的了解，大脑的学习过程就是神经元之间连接强度随外部激励信息做自适应变化的过程，大脑处理信息的结果确由神经元的状态表现出来.显然,神经元是信息处理系统的最小单元。虽然神经元的类型有很多种，但其基本结构相似。4。1.2神经网络的工作原理人工神经网络首先要以一定的学习准则进行学习，然后才能工作。现以人工神经网络对手写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B"时,输出为“0”.所以网络学习的准则应该是：如果网络做出错误的判决,则通过网络的学习，应使得网络减少下次犯同样错误的可能性.首先，给网络的各连接权值赋予（０,１)区间内的随机值，将“A”所对应的图像模式输入给网络，网络将输入模式加权求和、与门限比较、再进行非线性运算，得到网络的输出。在此情况下,网络输出为“１”和“0"的概率各为５0％,也就是说是完全随机的。这时如果输出为“1”(结果正确），则使连接权值增大，以便使网络再次遇到“A”模式输入时,仍然能做出正确的判断。如果输出为“０"(即为结果错误）,则把网络连接权值朝着减小综合输入加权值的方向调整，其目的在于使网络下次再遇到“A”模式输入时，减小犯同样错误的可能性。如此操作调整，当给网络轮番输入若干个手写字母“A”、“Ｂ”后，经过网络按以上学习方法进行若干次学习后,网络判断的正确率将大大提高。这说明网络对这两个模式的学习已经获得了成功,它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时，能够做出迅速、准确的判断和识别。一般说来，网络中所含的神经元个数越多,则它能记忆、识别的模式也就越多。4.２神经网络的学习与训练人脑中一个典型神经元通过许多树突的精细结构，收集来自其它神经元的信息，神经元又通过轴突的一条长而细的轴突发出电活性脉冲.轴突分裂上千条分支,在每条分支末端，通过突触的结构把来自轴突的电活性变为电作用,从而使与之相连的各种神经元的活性受到抑制或兴奋.当一个神经元收到兴奋输入,而兴奋输入又比神经元的抑制输入足够大时，神经元把电活性脉冲向下传到它的轴突,改变轴突的有效性,从而使一个神经元对另一个神经元的影响改变，便发生了学习行为。因此，可以认为神经网络学习的本质特征在于神经细胞特殊的突触结构所具有的可塑性连接，而如何调整连接权重就构成了不同的学习算法。通过向环境学习获取知识并改进自身性能是NN的一个重要特点。在一般情况下,性能的改善是按某种预定的度量通过调节自身参数（如权值)随时间逐步达到的。学习方式［15]（按照环境提供信息量的多少)有三种:1．监督学习（有教师学习）为了使神经网络在实际应用中解决各种问题，必须对它进行训练，就是从应用环境中选出一些样本数据，通过不断地调整权矩阵，直到得到合适的输入输出关系为止，这个过程就是对神经网络的训练过程，这种训练的过程需要有教师示教，提供训练数据，又称样本数据。在训练过程中又需教师的监督,故这种有教师的学习又称为监督式学习.有教师学习方法虽然简单，但是要求教师对环境和网络的结构应该比较熟悉,当系统复杂，环境变化时，就变得困难.为了适应环境变化就要重新调整加权值，这样,当学习到新知识的同时，也容易忘掉已学过的旧知识，这一些是有教师学习方法的缺点。2。非监督学习（无教师学习）非监督学习时不存在外部教师,学习系统完全按照环境提供数据的某些统计规律来调节自身参数或结构（这是一种自组织过程）,以表示出外部输入的某种固有特性（如聚类或某种统计上的分布特征).无教师学习的训练数据集中,只有输入而没有目标输出，训练过程神经网络自动地将各输入数据的特征提取出来，并将其分成若干类.经过训练好的网络能够识别训练数据集以外的新的输入类别，并相应获得不同的输出。显然，无教师的训练方式可使网络具有自组织和自学习的功能。3．再励学习（强化学习)这种学习介于上述两种情况之间,外部环境对系统输出结果只给出评价信息(奖或惩）而不是给出正确答案。学习系统通过强化那些受奖的动作来改善自身的性能。４.3BP神经网络4．3.１自1985年Ｒumeｌhart提出BP算法［１6]以来，神经网络的研究和应用已经迅速发展并渗透到各个学科，神经网络算法已不再是只供研究,而在实际的生产中开始了广泛的应用。如:数据库系统的数据挖掘、产品的自动分捡系统的图像识别等。对应地在计算机辅助设计的软件开发中,神经网络算法的设计也越来越多。神经网络以其快速的并行处理能力和其强有力的学习能力而获得越来越广泛的重视,其中应用最多的是ＢP神经网络.BＰ学习算法，即反向传播（backｐropａｇatioｎ）学习算法是一种有导师的示例学习算法。这种学习算法在模式识别领域中，尤其在字符识别的研究中被广泛使用。其原因是BP算法学习规则的坚韧性和学习能力很强，当给定模式与BＰ网络学会的模式很相似时，BＰ网络能很好的完成识别任务.BＰ算法是一种有监督式的学习算法。其主要思想是:输入学习样本,使用反向传播算法对网络的权值和偏差进行反复的调整训练,通过误差的反向传播,使输出的向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误