公开(公告)号：CN115600692A

公开(公告)日：2023-01-13

申请号：CN202211165871.X

申请日：2022-09-23

Applicant: 厦门大学(CN)

Inventor： 黄联芬 ,  谢浩宇 ,  范旭伟 ,  陈学林 ,  李王明卉

IPC: G06N20/20 ,  G06F21/62

Abstract: 本申请公开了一种基于集成模型的个性化联邦学习方法及装置，其中方法包括：各参与者在本地数据集上构建新的单模型拟合全局模型的残差，将训练完成的本轮单模型上传至服务器；服务器根据数据量对模型进行第一次加权，将确定权重后的本轮集成模型下发给各参与者；各参与者在本地数据进行本轮模型简化操作，将最终的选择结果以二进制编码的形式再次上传；服务器根据模型简化结果重新为当前轮次的模型确定权重，并将他们加入到全局模型中下发给各参与者；到达预定轮次后，各参与者得到个性化模型；由此，通过将集成模型融入联邦学习框架以及构建对应的模型个性化方法和通信成本节约方案，提升了联邦学习在非独立同分布的结构化数据上的预测性能。

公开(公告)号：CN114926261A

公开(公告)日：2022-08-19

申请号：CN202210447578.6

申请日：2022-04-26

Applicant: 厦门大学

Inventor： 施芝元 ,  吴哲 ,  林晓冰 ,  谢浩宇 ,  黄联芬 ,  陈建发 ,  赵毅峰

IPC: G06Q40/02 ,  G06Q10/04 ,  G06F16/28 ,  G06F16/2458 ,  G06K9/62 ,  G06F17/18

Abstract: 本发明公开了一种汽车金融用户申请欺诈概率预测方法及介质，其中方法包括：获取用户的历史申请数据，并进行分组；进行数据衍生，以衍生出多维特征；对多维特征进行过滤式筛选，随后进行集成式递归特征消除，以得到最优特征；对最优特征进行最优分箱，并对每个分箱进行WOE编码；进行欠采样和过采样组合处理，以生成训练样本集；根据训练样本集进行模型训练，以得到各单模型，并进行模型融合，以生成最终欺诈概率预测模型；获取用户申请信息，并将用户申请信息输入最终欺诈概率预测模型，以通过最终欺诈概率预测模型输出欺诈概率；能够根据用户的申请信息对欺诈概率进行自动计算，有效防止欺诈骗车行为的发生，保障汽车金融公司的财产安全。