首页> 中国专利> 一种基于有监督学习和无监督学习的反欺诈方法

一种基于有监督学习和无监督学习的反欺诈方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明公开了一种基于有监督学习和无监督学习的反欺诈方法，具体步骤如下：数据预处理，数据转换，创建高斯混合模型，期望最大化算法，有监督学习，无监督学习，预测，该基于有监督学习和无监督学习的反欺诈方法使用有监督学习和无监督学习结合的方法来建立反欺诈模型，有监督学习模型和无监督学习模型被包含在一个大的模型中，这个大的模型将达到集成模型的效果，预测的结果将会优于单独考虑有监督学习或无监督学习时的效果，而且有监督学习和无监督学习是互补的，两种学习方式结合将可以检测出已知的欺诈模式和未知的欺诈模式。

著录项

公开/公告号CN110717601A

专利类型发明专利
公开/公告日2020-01-21

原文格式PDF
申请/专利权人厦门铅笔头信息科技有限公司;
展开▼

申请/专利号CN201910977563.9
发明设计人施铭铮;刘占辉;
展开▼

申请日2019-10-15
分类号
代理机构
代理人
地址 361000 福建省厦门市思明区金尚路75号之十B单元
入库时间 2023-12-17 05:22:44

法律信息

法律状态公告日

法律状态信息

法律状态
2020-02-21

实质审查的生效 IPC(主分类):G06N20/00 申请日:20191015

实质审查的生效
2020-01-21

公开

公开

相似文献

专利
中文文献
外文文献

1. 一种基于有监督学习和无监督学习的反欺诈方法 [P] . 中国专利： CN110717601A . 2020-01-21
2. 一种基于无监督和有监督学习的水泥游离钙软测量方法 [P] . 中国专利： CN110444257B . 2022.02.18
3. System of product defect discrimination using an unsupervised learning based regional convolutional auto-encoder and Method of product defect discrimination using an unsupervised learning based regional convolutional auto-encoder [P] . 韩国专利： KR101911061B1 . 2018-10-23

机译：使用基于无监督学习的区域卷积自动编码器的产品缺陷判别系统和使用基于无监督学习的区域卷积自动编码器的产品缺陷判别方法
4. NEURAL NETWORK LEARNING METHOD AND APPARATUS USING UNSUPERVISED LEARNING BASED ON ARCHITECTURE VARIATION AND SUPERVISED LEARNING BASED ON SELECTIVE ERROR PROPAGATION [P] . 韩国专利： KR20200063041A . 2020-06-04

机译：基于体系结构变异的无监督学习和基于选择性误差传播的监督学习的神经网络学习方法及装置
5. UNSUPERVISED LEARNING METHOD AND LEARNING DEVICE FOR FRAUD DETECTION SYSTEM BASED ON GRAPH, AND TESTING METHOD AND TESTING DEVICE USING THE SAME [P] . KR102336035B1 . 2021-12-07

机译：基于曲线图的欺诈检测系统的无监督学习方法和学习设备，以及使用相同的测试方法和测试设备