本文提出以神经网络对信用卡帐户进行有效分类,针对某时点对所有信用卡帐户进行分类,有效的区分出优良帐户、潜在的不良帐户和已形成的呆坏帐户,系统主要采用基于人工智能技术的模糊逻辑分析复合语意性变量和使用神经网络中的反向传播网络(BPN)算法结合的方法,对银行卡帐户进行分析,提供了比传统的风险管理更为精确的检测,有效的信用卡风险管理对于任何一家银行来说都是至关重要的,不良或呆坏信用卡帐户不仅对银行中间业务的收入造成重大影响,而且对持卡人本人在征信系统中的信用状况也有严重影响。信用卡帐户分类系统的实现也是国内在私人客户营销方式的创新,使国内的商业银行能有效区分各层次客户,针对不同层次客户实施不同的营销策略。人工神经网络模拟人类部分形象思维的能力,是模拟人工智能的一条途径。特别是可以利用人工神经网络解决人工智能研究中所遇到的一些难题。人工神经网络理论的应用已经渗透到多个领域,在计算机视觉、模式识别、智能控制、非线性优化、自适应滤波相信息处理、机器人等方面取得了可喜的进展。特别适合应用在复杂分类问题上,不良和呆坏信用卡帐户的检测具有复杂性和不确定定性,所以神经网络比较适合应用于信用卡帐户的分类。为了实现反向传播网络对信用卡进行分类,本文的所做的研究工作在于:1)研究信用卡的体系和交易过程,帮助理解需要分析的各种属性。2)研究模糊逻辑的相关知识和实现过程,解决系统实现中复合语意性变量的转换。3)研究人工神经网络中的反向传播网络,建立合适的系统区分优良、不良和呆坏的信用卡帐户。4)研究信用卡帐户分类系统的设计,并实现应用。在系统分析过程中,我们先列出含有各类属性,分析这些属性作为输入节点的价值,选择最有价值的和更合适的属性,对各类输入数据进行数据预处理,对于复合的语意性变量使用模糊逻辑进行数据变换,最后我们将预处理后的样本数据应用到反向传播网络(BPN)上进行训练,得到稳定的可以用于信用卡帐户分类的模型,在对工商银行上海分行提供的信用卡帐户的实际数据测试后,结果显示可以提供准确率在90%的信用卡帐户分类。