公开(公告)号：CN110956543A

公开(公告)日：2020-04-03

申请号：CN201911090739.5

申请日：2019-11-06

Applicant: 上海应用技术大学

Inventor： 刘云翔 ,  唐泽莘 ,  郑文杰 ,  张国庆 ,  原鑫鑫 ,  潘琪

IPC: G06Q40/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种异常交易检测的方法，发明提供的基于长短期记忆网路(递归神经网络的一种)异常交易检测的方法，具有识别交易数据特征和交易时序特征能力，可以用于检测大量交易数据的异常交易检测的方法，实现了互联网金融系统中异常交易识别的优化，有效提升交易系统的安全性和执行效率。

公开(公告)号：CN108960436A

公开(公告)日：2018-12-07

申请号：CN201810747846.X

申请日：2018-07-09

Applicant: 上海应用技术大学

Inventor： 刘云翔 ,  陈斌 ,  周子宜 ,  潘琪 ,  原鑫鑫 ,  施伟 ,  李晓丹

IPC: G06N99/00

Abstract: 本发明提供了一种特征选择方法，可应用于肝癌重要性指标的预测分析，所述方法包括：先对原始数据集进行扫描，依据重要性对各个特征进行排序，再用(广义)序列后向选择法从中去除一部分特征，在新的特征集上训练随机森林并计算其准确率，根据各轮筛选造成的误差增量(相对筛选前)来判断是否要继续筛选，一旦它超过指定阈值就退出迭代，并将上一轮筛选所得的特征集作为结果。这样做的依据是，对于在不断缩减的特征集上训练出的模型，它们的泛化性能一般呈降低趋势，而其降低程度可以作为特征集的评价。反复该过程，最终将测试准确率最高的特征集作为特征选择的输出结果。