[發明專利]一種基于約束投影的多決策樹信用卡欺詐檢測方法及系統

在審

• 申請號: 201810139259.2
• 申請日: 2018-02-04
• 公開（公告）號: CN108388913A
• 公開（公告）日: 2018-08-10
• 發明（設計）人: 郭華平;周俊;李國梁;鄔長安;祁傳達
• 申請（專利權）人: 信陽師范學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q40/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于約束投影的多決策樹信用卡欺詐檢測方法，其特征在于，包括：

步驟1，建立樣本屬性集A；獲取訓練樣本集D，根據所述的屬性集對訓練樣本集進行處理；

步驟2，將訓練樣本集D分離為欺詐交易樣本集D_min和正常交易樣本集D_maj，從D_min和D_maj中選取樣本迭代生成must-link集集合M＝{M_k|k＝1，2，...，K}和cannot-link集集合C＝{C_k|k＝1，2，...，K}，

其中M_k＝{(x_i，x_j)|x_i，x_j∈D_min||x_i，x_j∈D_maj}，C_k＝{(x_i，x_j)|x_i∈D_min，x_j∈D_maj}；

步驟3，迭代學習投影矩陣集W＝{W_k|k＝1，2，...，K}，其中，使用如下步驟學習投影矩陣W_k：基于步驟2所得的M_k和C_k，學習一個投影矩陣W_k＝[w₁，w₂，...，w_d]，使得在投影后的空間內，M_k中的must-link約束條件和C_k中的cannot-link約束條件得以最大程度保留，形式化地，最大化目標函數

其中，|C_k|和|M_k|分別為C_k和M_k的大小，考慮到類內樣本的距離通常小于類間樣本的距離，使用γ來調節式(1)中兩項的權重，定義為

通過計算，式(1)可簡化為如下形式

其中，

式(3)的求解可轉化為計算的d個非負特征值對應的特征向量w₁，w₂，...，w_d，則所求的投影矩陣W_k＝[w₁，w₂，...，w_d]；

步驟4，迭代生成投影后的訓練集集合{D_k|k＝1，2，...，K}，其中，

步驟5，迭代學習決策樹集合DT＝{DT_k|k＝1，2，...，K}，其中，使用如下步驟學習一棵決策樹DT_k，學習的輸入條件為步驟4所得的訓練集D_k和步驟1所得的樣本屬性集A；

步驟6，利用步驟1的屬性表A處理待分類樣本x，利用步驟3所得的投影矩陣集W分別對x進行投影，并利用步驟5中所得的相應的決策樹對x的類別進行預測，進而將各個決策樹的預測結果進行投票，最終判定x屬于正常樣本還是欺詐樣本。