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：西南财经大学
摘要：本发明公开了一种基于持续学习与双自编码器架构的异常交易检测方法，属于信用卡异常交易检测领域，方法包括：根据信用卡样本与异常信用卡样本的相似度，结合预设的一三支决策阈值对，将待选择的信用卡样本划分至正域、负域或边界域，以构建训练数据集；增量更新自编码器架构的异常检测模型；执行信用卡异常检测任务，多次预测不确定性信用卡样本，输出检测结果。本发明对信用卡样本和异常信用卡相似度进行评估，结合三支决策筛选信用卡样本选，选择与异常信用卡样本相似度较低的部分作为本轮的训练信用卡样本数据集，减少与异常信用卡样本相似度高的信用卡样本对异常检测模型训练的干扰，从而提高异常检测模型的准确性、鲁棒性和泛化能力。
主权项：1.一种基于持续学习与双自编码器架构的异常交易检测方法，其特征在于，包括以下步骤：构建异常数据库，并初始化信用卡的异常检测模型，异常检测模型为第一自编码器；筛选用于当前任务训练的信用卡样本，作为训练数据集；所述信用卡样本包括持卡人基本信息与信用卡交易信息，持卡人基本信息包括性别、学历、婚姻状况、年龄，信用卡交易信息包括交易时间、交易地点、交易金额、交易频率；基于当前任务的训练数据集，增量更新异常检测模型；执行信用卡异常检测任务，多次预测不确定性信用卡样本，输出检测结果；筛选用于当前任务训练的信用卡样本包括以下子步骤：根据样本选择模块计算待选择的信用卡样本与异常信用卡样本的相似度，结合预设的样本选择模块的第一三支决策阈值对，将待选择的信用卡样本划分至正域、负域或边界域；所述样本选择模块为第二自编码器；若划分至正域，将信用卡样本上传至异常数据库；若划分至负域，保留信用卡样本；若划分至边界域，舍弃信用卡样本；整合保留的信用卡样本，构建训练数据集。
全文数据：
权利要求：
百度查询： 西南财经大学 基于持续学习与双自编码器架构的异常交易检测方法
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