龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：成都亚保科技有限公司
摘要：本发明公开了基于人工智能的保险匹配方法，方法包括数据采集、数据预处理、数据优化、建立保险匹配模型和保险匹配。本发明属于保险匹配技术领域，具体是指基于人工智能的保险匹配方法，本方案通过引入高斯正则化约束和稀疏子空间聚类优化来提升保险匹配数据的质量；进而提高保险匹配的精准性；基于神经网络层和聚类层构建保险匹配模型，使用热核相似性计算保险匹配数据间的相似度，提升聚类的局部准确性；引入拉普拉斯正则化项增强了模型的鲁棒性和准确性，自适应参数确保损失函数在处理不同保险匹配数据的分布时的灵活性；加权因子用于调整样本与簇中心的距离的影响，进而使得保险匹配的精准性和快速性。
主权项：1.基于人工智能的保险匹配方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集；步骤S2：数据预处理；步骤S3：数据优化，通过引入高斯正则化约束和稀疏子空间聚类优化实现数据优化；步骤S4：建立保险匹配模型，基于神经网络层和聚类层构建保险匹配模型，使用热核相似性计算保险匹配数据间的相似度，引入拉普拉斯正则化项和自适应参数设计损失函数，基于加权因子和设计迭代更新策略实现保险匹配模型的建立；步骤S5：保险匹配；在步骤S4中包括步骤S42：定义目标函数；步骤S42中包括步骤S422：构建聚类损失函数；引入拉普拉斯正则化；表示如下： ； ；式中，是聚类损失函数；V是聚类中心矩阵；N是样本总数；xn是第n个样本；vc是第c个聚类中心；τ是自适应参数，用于衡量样本到簇中心的距离，确保损失函数能够根据样本与簇中心的距离大小进行调整；是拉普拉斯正则化项的权重参数；是第n个样本的邻域；snj是第n个样本和第j个样本间相似度；ujc是第j个样本属于第c个簇的隶属度；U是隶属度矩阵；C是总簇数；unc是第n个样本属于第c个簇的隶属度。
全文数据：
权利要求：
百度查询： 成都亚保科技有限公司 基于人工智能的保险匹配方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号