-
公开(公告)号：CN118967138B
公开(公告)日：2025-01-24
申请号：CN202411449124.8
申请日：2024-10-17
Applicant: 西南财经大学
IPC: G06Q20/40 , G06F18/214 , G06F18/2433 , G06N3/0455 , G06N3/08
Abstract: 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。
-
公开(公告)号：CN118940200B
公开(公告)日：2024-12-17
申请号：CN202411434704.X
申请日：2024-10-15
Applicant: 西南财经大学
IPC: G06F18/2433 , G06Q40/04 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于持续学习与知识库回放策略的异常交易检测方法，属于异常交易检测技术领域，方法包括：从知识库中挑选具有代表性的金融交易样本，与预处理后的金融交易样本进行合并形成训练数据集，进而对异常交易检测模型进行增量训练，利用完成训练的当前训练轮次的异常交易检测模型，执行异常交易预测任务。通过挑选能够保留先前任务的知识和经验的代表性金融交易样本，将代表性金融交易样本与增量出现的当期数据集合并后为模型更新提供所用的训练数据集，使模型能不断从之前任务中的代表性金融交易样本提取信息，进而提高对异常情况的识别能力。
-
公开(公告)号：CN118967138A
公开(公告)日：2024-11-15
申请号：CN202411449124.8
申请日：2024-10-17
Applicant: 西南财经大学
IPC: G06Q20/40 , G06F18/214 , G06F18/2433 , G06N3/0455 , G06N3/08
Abstract: 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。
-
公开(公告)号：CN113658109A
公开(公告)日：2021-11-16
申请号：CN202110831710.9
申请日：2021-07-22
Applicant: 西南财经大学
Abstract: 本发明公开了一种基于领域损失预测主动学习的玻璃缺陷检测方法，该方法定义了一个损失预测模型，该模型能与多标签分类模型共同训练优化，并对未标注样本池中的玻璃样本进行损失预测，排序后取前K个预测损失值最大的玻璃样本作为主动学习挑选出的高价值样本，标注后加入标注样本集中，用于训练多标签分类模型，从而对待检测玻璃中存在的缺陷类型进行识别。使用该方法能够有效提升模型在较小多标签图像样本量下的分类准确率，从而用较少的数据量使模型效果达到预期，降低样本标注成本。
-
公开(公告)号：CN119445263B
公开(公告)日：2025-05-20
申请号：CN202510038580.1
申请日：2025-01-10
Applicant: 西南财经大学
IPC: G06V10/764 , G06V10/762 , G06V10/74 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于持续自适应知识空间的图像分类方法，属于计算机视觉和图像分类领域，方法包括：根据已知类别的质心和质心的半径构建已知样本的知识空间，将已知样本的知识空间更新至自适应知识空间；在自适应知识空间中，计算当前图像分类任务中每个已知类别的质心到未更新前的知识空间中所有超球的第二距离；根据第二距离判断超球的质心是否落在伪标签超球中，若是，将超球的伪标签转化为真实标签。自适应知识空间能够持续地包含所有已知样本的类别信息，通过计算已知类别质心与超球的距离评估伪标签的准确性，从而将高置信度的伪标签转化为真实标签，极大地提高了未知图像的识别准确性和已知图像的分类准确性。
-
Patent Agency Ranking
公开(公告)号：CN119991293A
公开(公告)日：2025-05-13
申请号：CN202510460875.8
申请日：2025-04-14
Applicant: 西南财经大学
IPC: G06Q40/04 , G06F18/25 , G06N3/0455 , G06F18/2337 , G06N3/0895 , G06N3/096 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了基于多模态数据融合的持续金融欺诈检测方法及系统，属于金融欺诈检测技术领域，方法包括：提取不同模态金融交易样本的特征，对不同模态样本特征进行对齐处理；基于自编码器生成交易样本的重构样本；采用重构样本、新数据对检测模型进行训练，再执行金融欺诈检测。通过对齐不同模态样本的特征，能够有效获取不同模态数据的互补信息，进而提高欺诈检测的准确率。采用新数据对检测模型进行训练，能够使模型实时吸纳未知数据类型；同时，重构样本能够补充当前多模态金融交易样本的特征覆盖范围，采用重构样本、新数据对模型进行训练，能够避免因仅关注新数据而导致模型遗忘历史特征，并防止重新使用旧数据导致的隐私泄露的问题。
-
公开(公告)号：CN119152684B
公开(公告)日：2025-03-18
申请号：CN202411588401.3
申请日：2024-11-08
Applicant: 西南财经大学
Abstract: 本发明公开了一种基于持续学习的跨域交通流量预测方法，属于交通流量预测领域，方法包括：对跨域交通流量预测模型进行增量训练，使地区间共享知识子模块提取不同任务间的通用融合信息，获得当前训练轮次的跨域交通流量预测模型，并执行预测任务，根据预测结果、模型的参数知识更新对应的地区专属知识子模块。在持续学习框架中通过地区间共享知识模块融合多个地区知识的同时，通过地区专属知识子模块隔离各地区之间的通用知识与专属知识，保证了对目标地区预测的适应性，提升了交通部门预测交通流量的能力；同时，基于持续学习框架实现交通流预测知识在地区之间的传递，从而解决了缺少交通流量数据难以建模的问题。
-
公开(公告)号：CN118940200A
公开(公告)日：2024-11-12
申请号：CN202411434704.X
申请日：2024-10-15
Applicant: 西南财经大学
IPC: G06F18/2433 , G06Q40/04 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于持续学习与知识库回放策略的异常交易检测方法，属于异常交易检测技术领域，方法包括：从知识库中挑选具有代表性的金融交易样本，与预处理后的金融交易样本进行合并形成训练数据集，进而对异常交易检测模型进行增量训练，利用完成训练的当前训练轮次的异常交易检测模型，执行异常交易预测任务。通过挑选能够保留先前任务的知识和经验的代表性金融交易样本，将代表性金融交易样本与增量出现的当期数据集合并后为模型更新提供所用的训练数据集，使模型能不断从之前任务中的代表性金融交易样本提取信息，进而提高对异常情况的识别能力。
-
公开(公告)号：CN119848629B
公开(公告)日：2025-05-20
申请号：CN202510308072.0
申请日：2025-03-17
Applicant: 西南财经大学
IPC: G06F18/241 , G06F18/214 , G06N3/084 , G06N3/0464 , G06Q40/04
Abstract: 本发明公开了一种针对数据动态变化的持续异常交易检测方法及系统，属于异常交易检测领域，方法、包括：为各待退出数据样本分配一个伪标签，形成新的训练对；在检测模型的输出层增加一扩展分类头；采用新的训练对对检测模型进行微调训练，仅根据扩展分类头进行反向传播；裁剪检测模型的扩展分类头后执行异常交易检测任务，输出交易检测结果。通过微调训练并仅根据扩展分类头进行反向传播，使伪类别对应的决策空间移至与模型原有正常检测决策边界不同的位置，并通过裁剪扩展分类头使伪类别对应的决策空间失活，进而有效擦除待退出数据在模型中的贡献，能够避免对模型已有检测能力造成破坏，从而保证检测的准确性与稳定性。
-
公开(公告)号：CN119863315A
公开(公告)日：2025-04-22
申请号：CN202510349978.7
申请日：2025-03-24
Applicant: 西南财经大学
IPC: G06Q40/04 , G06N3/045 , G06N3/0464 , G06F18/2431
Abstract: 本发明公开了基于动态特征空间变换的持续金融欺诈检测方法，属于金融欺诈检测技术领域，包括：获取交易样本的特征；根据数据量动态调整随机投影的目标维度，进行动态特征空间变换；构建自适应球型决策边界，通过质心计算和半径更新机制适应新数据；根据决策边界进行金融欺诈检测。通过动态特征空间变换，能够在数据充足时，自动扩展特征空间以捕捉更多的复杂模式；在数据稀缺时，通过压缩特征空间能够避免检测模型过拟合，提高了模型的泛化能力，在新数据上能够保持良好的检测性能。同时，根据新增加的交易样本更新正常交易样本的质心，动态调整球型决策边界的半径，能够持续适应金融动态检测场景，有效降低数据噪声和异常值的干扰。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.055 seconds)
