公开(公告)号：CN111461855B

公开(公告)日：2023-07-28

申请号：CN201910046954.9

申请日：2019-01-18

Applicant: 同济大学

Inventor： 蒋昌俊 ,  闫春钢 ,  丁志军 ,  刘关俊 ,  张亚英 ,  张冯君

IPC: G06Q40/03

Abstract: 本发明提供一种基于欠采样的信用卡欺诈检测方法及系统、介质、设备，包括：使用高斯混合模型拟合数据集中训练集的多数类样本；使用拟合好的高斯混合模型预测训练集内少数类样本的概率密度值，并选择该概率密度值中最大值作为两类样本的交叉边缘；以该交叉边缘为中心，从交叉边缘向上和向下延伸设置采样上界和下界，以此进行欠采样获取欠采样数据集，将欠采样数据集与少数类样本集合并成均衡训练集；依据均衡训练集训练机器学习分类器；使用训练完成的机器学习分类器检测信用卡交易数据集。本发明运用高斯混合模型抓取两类样本分布交叉边缘的样本，对两类样本的识别提供了更多的有用信息，提高分类器在针对信用卡欺诈检测领域内的识别准确率。

公开(公告)号：CN111461855A

公开(公告)日：2020-07-28

申请号：CN201910046954.9

申请日：2019-01-18

Applicant: 同济大学

Inventor： 蒋昌俊 ,  闫春钢 ,  丁志军 ,  刘关俊 ,  张亚英 ,  张冯君

IPC: G06Q40/02

Abstract: 本发明提供一种基于欠采样的信用卡欺诈检测方法及系统、介质、设备，包括：使用高斯混合模型拟合数据集中训练集的多数类样本；使用拟合好的高斯混合模型预测训练集内少数类样本的概率密度值，并选择该概率密度值中最大值作为两类样本的交叉边缘；以该交叉边缘为中心，从交叉边缘向上和向下延伸设置采样上界和下界，以此进行欠采样获取欠采样数据集，将欠采样数据集与少数类样本集合并成均衡训练集；依据均衡训练集训练机器学习分类器；使用训练完成的机器学习分类器检测信用卡交易数据集。本发明运用高斯混合模型抓取两类样本分布交叉边缘的样本，对两类样本的识别提供了更多的有用信息，提高分类器在针对信用卡欺诈检测领域内的识别准确率。