[发明专利]一种基于RFMW模型的货主信用等级评价方法

权利要求书

1.一种基于RFMW模型的货主信用等级评价方法，其特征在于，包括以下步骤：

步骤一：提取平台数据库信息；

步骤二：抽取货主特征值，特征值包括与货主相关的三类信息，即与上次交易的时间间隔R'，时间T内发生总业务数F'，时间T内托运交易总金额M'，时间T内托运总吨数W'；

步骤三：将数据进行标准化并利用RFMW模型消除货主信息的数据误差；

步骤四：对货主信用指标数据进行聚类分析并输出结果；

步骤五：根据结果对货主信用等级进行分类。

2.根据权利要求1所述的一种基于RFMW模型的货主信用等级评价方法，其特征在于，所述步骤三中利用RFMW模型消除货主信息的数据误差的方法如下：

$R=\frac{{\mathrm{\Σ}}_{Ci\∈C^n}\left(R^{\′}\right(Ci)-\mathrm{\μ}R)/\mathrm{\σ}R}{\left|\right|C^n\left|\right|}$

$F=\frac{{\mathrm{\Σ}}_{Ci\∈C^n}\left(F^{\′}\right(Ci)-\mathrm{\μ}F)/\mathrm{\σ}F}{\left|\right|C^n\left|\right|}$

$M=\frac{{\mathrm{\Σ}}_{Ci\∈C^n}\left(M^{\′}\right(Ci)-\mathrm{\μ}M)/\mathrm{\σ}M}{\left|\right|C^n\left|\right|}$

$W=\frac{{\mathrm{\Σ}}_{Ci\∈C^n}\left(W^{\′}\right(Ci)-\mathrm{\μ}W)/\mathrm{\σ}W}{\left|\right|C^n\left|\right|}$

其中：R′(Ci)为货主Ci与上次交易的时间间隔，F′(Ci)为货主Ci在时间T内发生总业务数，M′(Ci)为货主Ci在时间T内托运交易总金额，W′(Ci)为货主Ci在时间T内托运总吨数进行计算；Cⁿ表示所有消费者的指标数据；R，μF，μM，μW分别表示所有会员R′(Ci)，F′(Ci)，M′(Ci)，W′(Ci)的平均值；σR，σF，σM，σW表示所有会员R′(Ci)，F′(Ci)，M′(Ci)，W′(Ci)的标准差。

3.根据权利要求1所述的一种基于RFMW模型的货主信用等级评价方法，其特征在于，所述步骤四中货主信用指标数据进行聚类分析并输出结果的具体步骤如下：

步骤4.1：选取样本中每个货主为K个初始聚类中心，z₁(1)，z₂(1)，...，z_K(1)，其中括号内的序号为寻找聚类中心的迭代运算的次序号；聚类中心的向量值可任意设定；

步骤4.2：进行初始分类，逐个将需分类的模式样本{x}按最小距离准则分配给K个聚类中心中的某一个z_j(1)；

步骤4.3：判断分类是否合理，如果i＝j时，则

其中k为迭代运算的次序号，第一次迭代k＝1，S_j表示第j个聚类，其聚类中心为Z_j；如果i≠j，(j＝1,2,…,K)，则返回第二步，将模式样本逐个重新分类；

步骤4.4：假设i＝j时，则其中k为迭代运算的次序号，第一次迭代k＝1，S_j表示第j个聚类，其聚类中心为Z_j，计算各个聚类中心的新的向量值，z_j(K+1)，j＝1,2,…,K求各聚类域中所包含样本均值向量

步骤4.5：若i≠j，(j＝1,2,…,K)，则返回第二步，将模式样本逐个重新分类，重复迭代运算，若z_j(K)＝z_j(K81)，j＝1,2,…,K，其中Z_j(K)经过j＝1,2,…,K，次迭代得出，此时算法收敛，计算结束。