1、對電力企業(yè)客戶進行信用評價能有效地降低供電局的經(jīng)營風險，信用評價問題本質(zhì)上是一個分類問題，而在電力企業(yè)客戶中，信用差的客戶占極少數(shù)就決定了這樣的一個分類問題是不平衡的分類問題。本文在神經(jīng)網(wǎng)絡模型的基礎(chǔ)上對這類問題做了研究。首先對信用評價進行了介紹，然后詳細解釋了RBF神經(jīng)網(wǎng)絡的原理及其學習算法，在研究電力企業(yè)數(shù)據(jù)的特點的基礎(chǔ)上，提出了解決多類不平衡分類問題的神經(jīng)網(wǎng)絡模型，取得了很好的效果，并結(jié)合實際數(shù)據(jù)做了實驗分析。本文所做的主要工作有

2、：
　　 1.提出了基于均衡聚類分塊的RBF神經(jīng)網(wǎng)絡模型，有效地提高了在不平衡分類問題上利用神經(jīng)網(wǎng)絡進行建模的準確率，并且提出一種基于最遠點對的均衡聚類算法，有效地降低了時間復雜度，改善了分塊不均衡的問題，并取得了較好的運行效果。
　　 2.在基于均衡聚類的神經(jīng)網(wǎng)絡模型的基礎(chǔ)上應用自聯(lián)想算法，并把該算法從二類問題推廣到多類不平衡分類問題，使其適合電力企業(yè)客戶數(shù)據(jù)具有發(fā)散性的特點，還引入聯(lián)想率，以適應多類樣本的要求。