[發(fā)明專利]一種基于深度優(yōu)先算法的跨平臺(tái)信用信息融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110180204.8
• 申請(qǐng)日: 2021-02-08
• 公開（公告）號(hào): CN112686337B
• 公開（公告）日: 2021-06-08
• 發(fā)明（設(shè)計(jì)）人: 張曉東;姚遠(yuǎn);呂從東;沈虹;周晨旭;王偉業(yè);王昊宇
• 申請(qǐng)（專利權(quán)）人: 南京審計(jì)大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京司南專利代理事務(wù)所(普通合伙) 32431
• 代理人: 葉蕙

本發(fā)明公開了一種基于深度優(yōu)先算法的跨平臺(tái)信用信息融合方法，包括，利用深度優(yōu)先算法構(gòu)建平臺(tái)信用評(píng)級(jí)模型，并進(jìn)行模型化信用基元解析；利用高斯函數(shù)進(jìn)行積分運(yùn)算，得到極限最小值，將其作為優(yōu)先算法的主體；將解析得到的信用評(píng)級(jí)作為優(yōu)化量，根據(jù)隨機(jī)模型融合出最終的綜合信用值。本發(fā)明通過深度優(yōu)先算法解析基元、高斯函數(shù)求解積分、隨機(jī)模型融合，消除了跨平臺(tái)信用主體信息中不對(duì)稱、不完備、信用孤立、數(shù)據(jù)隱私和安全的問題，使得對(duì)同一信用主體的信用評(píng)級(jí)一致，信息融合效率更高。

技術(shù)領(lǐng)域

本發(fā)明涉及跨平臺(tái)信用信息融合的技術(shù)領(lǐng)域，尤其涉及一種基于深度優(yōu)先算法的跨平臺(tái)信用信息融合方法。

背景技術(shù)

在跨平臺(tái)或跨領(lǐng)域環(huán)境下，信用主體信息存在不對(duì)稱、不完備、信用孤立、數(shù)據(jù)隱私和安全等問題，導(dǎo)致對(duì)同一信用主體的信用評(píng)級(jí)不一致，在融合時(shí)存在沖突。

發(fā)明內(nèi)容

本部分的目的在于概述本發(fā)明的實(shí)施例的一些方面以及簡(jiǎn)要介紹一些較佳實(shí)施例。在本部分以及本申請(qǐng)的說明書摘要和發(fā)明名稱中可能會(huì)做些簡(jiǎn)化或省略以避免使本部分、說明書摘要和發(fā)明名稱的目的模糊，而這種簡(jiǎn)化或省略不能用于限制本發(fā)明的范圍。

鑒于上述現(xiàn)有存在的問題，提出了本發(fā)明。

因此，本發(fā)明提供了一種基于深度優(yōu)先算法的跨平臺(tái)信用信息融合方法，能夠解決跨平臺(tái)信息融合存在沖突的問題。

為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：包括，利用深度優(yōu)先算法構(gòu)建平臺(tái)信用評(píng)級(jí)模型，并進(jìn)行模型化信用基元解析；利用高斯函數(shù)進(jìn)行積分運(yùn)算，得到極限最小值，將其作為優(yōu)先算法的主體；將解析得到的信用評(píng)級(jí)作為優(yōu)化量，根據(jù)隨機(jī)模型融合出最終的綜合信用值；

其中，所述基元解析包括，

其中，：可行解集合，表示平臺(tái)信息數(shù)據(jù)特征點(diǎn)，：該集合中曲率突變處的總數(shù)，即目標(biāo)參考點(diǎn)數(shù)量，：優(yōu)化配準(zhǔn)融合指標(biāo)，α為特征常數(shù)，T為基元節(jié)點(diǎn)，t為階段節(jié)點(diǎn)，W為基元權(quán)值，s為時(shí)間值。

其中，得到所述極限最小值包括，利用應(yīng)用環(huán)境將平臺(tái)信息數(shù)據(jù)目標(biāo)點(diǎn)程序化；調(diào)用多目標(biāo)算法并關(guān)聯(lián)程序化后的所述平臺(tái)信息數(shù)據(jù)目標(biāo)點(diǎn)；利用多目標(biāo)優(yōu)化策略將初步判斷結(jié)果產(chǎn)生的變量賦值到所述平臺(tái)信用評(píng)級(jí)模型內(nèi)進(jìn)行求解計(jì)算；

其中，還包括，獲得多組滿足約束條件的可行解并加以比較，選定出所述極限最小值；重復(fù)多次計(jì)算，得到可行解集合及Pareto最優(yōu)解集；提取所述解集中最佳解作為最終的所述極限最小值。

作為本發(fā)明所述的基于深度優(yōu)先算法的跨平臺(tái)信用信息融合方法的一種優(yōu)選方案，其中：所述隨機(jī)模型融合包括，

其中，和就是兩平臺(tái)信息數(shù)據(jù)目標(biāo)點(diǎn)中的一對(duì)對(duì)應(yīng)點(diǎn), R與T旋轉(zhuǎn)平移融合矩陣。

作為本發(fā)明所述的基于深度優(yōu)先算法的跨平臺(tái)信用信息融合方法的一種優(yōu)選方案，其中：利用最小二乘支持向量機(jī)選取徑向基函數(shù)作為所述隨機(jī)模型的目標(biāo)函數(shù)，如下式：

其中，：平臺(tái)信息數(shù)據(jù)目標(biāo)點(diǎn)歷史特性向量組成的截圖特性矩陣，y：平臺(tái)信息數(shù)據(jù)優(yōu)化特性向量，：核寬度，反應(yīng)了分布、范圍特性，|| ||代表權(quán)值界限運(yùn)算。

作為本發(fā)明所述的基于深度優(yōu)先算法的跨平臺(tái)信用信息融合方法的一種優(yōu)選方案，其中：還包括，初始化懲罰參數(shù)C和所述，利用歷史信息數(shù)據(jù)構(gòu)建的數(shù)據(jù)集對(duì)所述目標(biāo)函數(shù)進(jìn)行訓(xùn)練和測(cè)試；設(shè)定精度要求，若所述目標(biāo)函數(shù)精度未達(dá)到要求，則根據(jù)誤差對(duì)所述C和所述進(jìn)行賦值優(yōu)化，直到測(cè)試數(shù)據(jù)精度達(dá)到所述精度要求；設(shè)定閾值并輸出訓(xùn)練完成的所述目標(biāo)函數(shù)，將其作為所述隨機(jī)模型的目標(biāo)函數(shù)。