📄Работа №91506
Тема: ПРОГРАММА ДЛЯ ОЦЕНКИ РИСКОВ КРЕДИТОВАНИЯ ПО ПСИХОФИЗИЧЕСКОМУ ПОРТРЕТУ КЛИЕНТА
Тип работы
Бакалаврская работа
Предмет
электротехника
Объем:
60 листов
Год:
2018
Просмотров:
303
4200
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
ВВЕДЕНИЕ 5
ГЛАВА 1. АНАЛИЗ ЗАДАЧИ И СУЩЕСТВУЮЩИХ ПУТЕЙ ЕЕ РЕШЕНИЯ 6
1.1 Анализ решений для определения психофизического и эмоционального состояния человека. .. 9
1.1.1. Affectiva Q-sensor 9
1.1.2. Программно-аппаратный комплекс Ануашвили 10
1.1.3. Алгоритм определения характера по поведению в социальных сетях Косински 11
1.1.4. IBM Personality Insights и IBM Predictive Customer Intelligence 13
1.1.5. EQ-Radio: система для определения эмоций человека при помощи беспроводного сигнала 14
1.1.6. Распознавание эмоций c помощью API облачного зрения от Google 15
1.1.7. Распознавание эмоций Google Glass 15
1.1.8. Распознавание эмоций на изображениях от Microsoft 16
1.1.9. Распознавание эмоций от NtechLab 17
1.1.10. EmoDetect- система распознавания эмоций от Neurobotics 17
1.1.11. Affectiva распознавание эмоций с помощью изображения 18
1.1.12. Использование виброизображения для определения эмоционального и психофизического состояния человека 19
1.1.13. Определение ориентации по фотографии Косински 21
1.1.14. Видео-диагностика Ануашвили 22
1.2 Выбор методов для получения информации о психологическом типе клиента для кредитного скоринга 24
ГЛАВА 2. АНАЛИЗ АЛГОРИТМОВ РАСПОЗНАВАНИЯ И СРАВНЕНИЯ ЛИЦ 25
2.1. Метод Виолы-Джонса 25
2.2. Гистограмма направленных градиентов(HOG)+Метод опорных векторов(Б VM) 27
2.3. Метод гибкого сравнения на графах 28
2.4. Локальные бинарные шаблоны(LBP) 30
2.5. Метод главных компонент (principal component analysis, PCA) в задаче распознавания лица, алгоритм EigenFaces 30
2.6. Алгоритм FisherFaces 32
2.7. Алгоритм SURF 33
2.8. Алгоритм FaceNet 34
2.9. Активные модели внешнего вида 35
2.10. Выбор алгоритмов для реализации задачи 36
ГЛАВА 3. РЕАЛИЗАЦИЯ ПРОГРАММЫ ОЦЕНКИ РИСКОВ КРЕДИТОВАНИЯ ПО
ПСИХОФИЗИЧЕСКОМУ ПОРТРЕТУ КЛИЕНТА 37
3.1 Программы сравнения лица тестируемого человека с композитными лицами, составленными из лиц людей с определенной психологической функцией 38
3.2. Программа определения доминирования полушария мозга и связности работы между полушариями мозга “Алгоритм психодиагностики по асимметрии лица” А.Н Ануашвили 40
3.3. Программа оценки рисков кредитования на базе психофизического портрета человека, определенного с помощью выше описанных программ 47
ЗАКЛЮЧЕНИЕ 50
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 51
ПРИЛОЖЕНИЕ 54
ГЛАВА 1. АНАЛИЗ ЗАДАЧИ И СУЩЕСТВУЮЩИХ ПУТЕЙ ЕЕ РЕШЕНИЯ 6
1.1 Анализ решений для определения психофизического и эмоционального состояния человека. .. 9
1.1.1. Affectiva Q-sensor 9
1.1.2. Программно-аппаратный комплекс Ануашвили 10
1.1.3. Алгоритм определения характера по поведению в социальных сетях Косински 11
1.1.4. IBM Personality Insights и IBM Predictive Customer Intelligence 13
1.1.5. EQ-Radio: система для определения эмоций человека при помощи беспроводного сигнала 14
1.1.6. Распознавание эмоций c помощью API облачного зрения от Google 15
1.1.7. Распознавание эмоций Google Glass 15
1.1.8. Распознавание эмоций на изображениях от Microsoft 16
1.1.9. Распознавание эмоций от NtechLab 17
1.1.10. EmoDetect- система распознавания эмоций от Neurobotics 17
1.1.11. Affectiva распознавание эмоций с помощью изображения 18
1.1.12. Использование виброизображения для определения эмоционального и психофизического состояния человека 19
1.1.13. Определение ориентации по фотографии Косински 21
1.1.14. Видео-диагностика Ануашвили 22
1.2 Выбор методов для получения информации о психологическом типе клиента для кредитного скоринга 24
ГЛАВА 2. АНАЛИЗ АЛГОРИТМОВ РАСПОЗНАВАНИЯ И СРАВНЕНИЯ ЛИЦ 25
2.1. Метод Виолы-Джонса 25
2.2. Гистограмма направленных градиентов(HOG)+Метод опорных векторов(Б VM) 27
2.3. Метод гибкого сравнения на графах 28
2.4. Локальные бинарные шаблоны(LBP) 30
2.5. Метод главных компонент (principal component analysis, PCA) в задаче распознавания лица, алгоритм EigenFaces 30
2.6. Алгоритм FisherFaces 32
2.7. Алгоритм SURF 33
2.8. Алгоритм FaceNet 34
2.9. Активные модели внешнего вида 35
2.10. Выбор алгоритмов для реализации задачи 36
ГЛАВА 3. РЕАЛИЗАЦИЯ ПРОГРАММЫ ОЦЕНКИ РИСКОВ КРЕДИТОВАНИЯ ПО
ПСИХОФИЗИЧЕСКОМУ ПОРТРЕТУ КЛИЕНТА 37
3.1 Программы сравнения лица тестируемого человека с композитными лицами, составленными из лиц людей с определенной психологической функцией 38
3.2. Программа определения доминирования полушария мозга и связности работы между полушариями мозга “Алгоритм психодиагностики по асимметрии лица” А.Н Ануашвили 40
3.3. Программа оценки рисков кредитования на базе психофизического портрета человека, определенного с помощью выше описанных программ 47
ЗАКЛЮЧЕНИЕ 50
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 51
ПРИЛОЖЕНИЕ 54
📖 Введение
В настоящее время существует проблема понижения рисков кредитования для банков и уменьшение ставки для клиента. Учитывая рост просрочек по кредитам как физических лиц, так и корпоративного сектора, банкам необходимо привлечение надежных заемщиков, своевременно обслуживающих долг и вносящих платежи. Для этого необходимо создать соответствующие условия кредитования, а самое главное среди них — ставка по кредиту. Банки всеми способами пытаются выделить надежных заемщиков, к примеру такими способами как просмотр кредитной статистики, статистики правонарушений.
С развитием нейросетей и технологий обработки больших данных появились новые пути получения информации о клиентах, такие как использования цифрового следа из социальных сетей для психометрического анализа клиента [1]. Данные технологии используются не только в банковском деле, но и в политической и торговой аналитике, одна из известных компаний, предоставляющих данные услуги является Cambridge analyt-ic. Особым примером ее деятельности является избирательная компания Дональда Трампа, в которой использовалась технология глубинного анализа данных (в частности, данных соцсетей) для разработки стратегической коммуникации в ходе избирательных кампания в Интернете. А в 2017 глава сбербанка Герман Греф заявил, что в данный момент идут активные исследования и разработки в сфере психотипирования клиента, на основе фото, поведения в сети и других доступных данных [1].
Ко всему прочему в последнее время идет тенденция развитие компьютерного зрения и методов распознавания лиц. Появляются программы и программные комплексы, позволяющие искать преступников в толпе, производить верификацию сотрудников по лицу, определять эмоции, заменять лица на фотографиях и видео, создавать 3О-модель лица человека. Такие программы популярны, как и в развлекательной отросли, так и отросли обеспечения безопасности и медицины. Еще одним применения распознавания лиц является психометрия. Методы видео психодиагностики начали появляться не так давно, но уже есть примеры успешного использования и научные работы по данной тематике [2]. Открытые ресурсы и разрешение клиентов на обработку персональных данных социальных сетей позволяет иметь доступ к большему количеству фотографий человека, что в свою очередь увеличит точность работы систем видео психодиагностики на основе распознавания лиц.
Целью работы является создание вспомогательной программы для менеджера банка, использующей антропометрические данные лица клиента для определение его психофизического портрета для оценки риска выдачи ему кредита.
С развитием нейросетей и технологий обработки больших данных появились новые пути получения информации о клиентах, такие как использования цифрового следа из социальных сетей для психометрического анализа клиента [1]. Данные технологии используются не только в банковском деле, но и в политической и торговой аналитике, одна из известных компаний, предоставляющих данные услуги является Cambridge analyt-ic. Особым примером ее деятельности является избирательная компания Дональда Трампа, в которой использовалась технология глубинного анализа данных (в частности, данных соцсетей) для разработки стратегической коммуникации в ходе избирательных кампания в Интернете. А в 2017 глава сбербанка Герман Греф заявил, что в данный момент идут активные исследования и разработки в сфере психотипирования клиента, на основе фото, поведения в сети и других доступных данных [1].
Ко всему прочему в последнее время идет тенденция развитие компьютерного зрения и методов распознавания лиц. Появляются программы и программные комплексы, позволяющие искать преступников в толпе, производить верификацию сотрудников по лицу, определять эмоции, заменять лица на фотографиях и видео, создавать 3О-модель лица человека. Такие программы популярны, как и в развлекательной отросли, так и отросли обеспечения безопасности и медицины. Еще одним применения распознавания лиц является психометрия. Методы видео психодиагностики начали появляться не так давно, но уже есть примеры успешного использования и научные работы по данной тематике [2]. Открытые ресурсы и разрешение клиентов на обработку персональных данных социальных сетей позволяет иметь доступ к большему количеству фотографий человека, что в свою очередь увеличит точность работы систем видео психодиагностики на основе распознавания лиц.
Целью работы является создание вспомогательной программы для менеджера банка, использующей антропометрические данные лица клиента для определение его психофизического портрета для оценки риска выдачи ему кредита.
✅ Заключение
В ходе выполнения выпускной квалификационной работы бакалавра был разработан программный комплекс оценки рисков кредитования клиента финансовых учреждений с помощью определения психофизического портрета человека. Программа выдает информацию о психологическом типе менеджеру финансовой организации, и рекомендации для данного психологического типа, на основе рекомендаций и психологического типа в совокупности с другой информацией менеджер принимает решения о повышении или понижении ставки по кредиту. Так же полученные психофизические данные клиента можно использовать в скоринг карте.
Для определения психологического типа использовались два метода, первый заключался в сравнении лица тестируемого человека с композитными лицами, составленными из множества людей с определенными психологическими функциями типологии MBTI. Второй использовавшийся метод был разработан доктором технических и психологических наук А.Н Ануашвили, определение психологического типа по данному методу происходит с помощью асимметрии лицевых данных, а именно используя расчет углов наклона глаз, частей губ, и носогубных складок.
Для нахождения лица на изображении используется HOG-детектор, обученный с помощью метода опорных векторов (SVM), предоставляемый в виде функции библиотекой Dlib. Сравнения лиц происходит с помощью сверточной нейронной сети, созданной по алгоритму FaceNet. Для преобразования изображения используются антропометрические точки, нанесенные на лицо тестируемого человека с помощью активных моделей внешнего вида.
Для решения задачи расчета углов, была разработана функция выравнивания координат лица относительно координат изображения на основе антропометрических точек. После выравнивания углы рассчитываются по теореме косинусов. С помощью данных углов по алгоритму А.Н Ануашвили определяется доминирующее полушарие мозга и согласованность работы полушарий мозга.
Таким образом достигнута цель задачи, определен предположительный психологический тип и с помощью него оценивается риск кредитования, и программа дает рекомендацию менеджеру финансовой организации о повышении ставки по кредиту или понижении.
Для определения психологического типа использовались два метода, первый заключался в сравнении лица тестируемого человека с композитными лицами, составленными из множества людей с определенными психологическими функциями типологии MBTI. Второй использовавшийся метод был разработан доктором технических и психологических наук А.Н Ануашвили, определение психологического типа по данному методу происходит с помощью асимметрии лицевых данных, а именно используя расчет углов наклона глаз, частей губ, и носогубных складок.
Для нахождения лица на изображении используется HOG-детектор, обученный с помощью метода опорных векторов (SVM), предоставляемый в виде функции библиотекой Dlib. Сравнения лиц происходит с помощью сверточной нейронной сети, созданной по алгоритму FaceNet. Для преобразования изображения используются антропометрические точки, нанесенные на лицо тестируемого человека с помощью активных моделей внешнего вида.
Для решения задачи расчета углов, была разработана функция выравнивания координат лица относительно координат изображения на основе антропометрических точек. После выравнивания углы рассчитываются по теореме косинусов. С помощью данных углов по алгоритму А.Н Ануашвили определяется доминирующее полушарие мозга и согласованность работы полушарий мозга.
Таким образом достигнута цель задачи, определен предположительный психологический тип и с помощью него оценивается риск кредитования, и программа дает рекомендацию менеджеру финансовой организации о повышении ставки по кредиту или понижении.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.