随着世界经济一体化进程的不断加快，各个商业银行对于其风险暴露控制出现了严重问题。个人信贷作为银行资产业务的重要组成部分，其风险水平的控制关系到商业银行对于经济资本的整体要求。因此，能否对个人风险进行有效的识别与计量，就成为了商业银行能否合理控制风险的关键因素。本文首先对国内外单一模型以及两阶段模型的研究现状进行了总结。传统的统计学模型的稳定性较弱，而人工智能模型的精确性却不够良好，针对这些严重影响了个人信用评估的问题，一方面针对我国商业银行的个人信贷实际建立具有适用性的个人信用评估体系。另一方面选取了单一ART模型应用到个人信用评估领域，发挥其对不同类型的变量适用性强的优势，通过与BP模型、logistic回归模型以及线性回归模型的比以分析，明确了ART模型的优势及缺陷，针对单一ART模型中不能识别和模糊识别现象严重影响分类的准确性及稳定性的问题；选取Fuzzy set对ART模型进行进一步的优化，通过变量的约减，综合了Fuzzy set的属性筛选功能以及ART神经网络模型同时处理离散与连续变量的功能，从而使两阶段模型达到了良好的分类效果。应用结果表明经过Fuzzy set优化后的ART模型对于模糊分类及样本识别问题均有很大程度的改善，其第一类误判率与第二类误判率均低于单一ART模型，两阶段模型对于个人信用评估具有很好的适用性。