[发明专利]基于小数据集实现涉烟车辆异常检测的方法

说明书

本发明涉及一种基于小数据集实现涉烟车辆异常检测的方法，包括收集数据，构建数据集；对原始数据集进行预处理与特征提取构造特征矩阵；对得到的特征矩阵进行特征选择；通过分类器识别得到检测结果。采用了本发明的基于小数据集实现涉烟车辆异常检测的方法，通过提出的算法，快速准确的检测出嫌疑目标。使得在数据量小与标签稀少的情况下仍能取得较高的准确率，避免采用人工甄别的方式，从而在减少人力物力的同时也缓解了交通压力，并使得信息利用最大化。

技术领域

本发明涉及烟草领域，尤其涉及异常检测领域，具体是指一种基于小数据集实现涉烟车辆异常检测的方法。

背景技术

烟草行业是一个特殊的行业，它既与政府财政收入关系密切，又与政府监管行为紧密相关，同时又会对消费者健康造成影响。假私非卷烟或以非法手段生产，或以非法渠道进入市场流通，非法谋取暴利，严重损害消费者身心健康，更会造成国家税收大量流失，扰乱市场经济秩序，严重危害国家利益。从2016年全国查处案值5万元以上案件3884起，查获假私非卷烟29.15万件，到2018年全国查处案值5万元以上案件9100起，查获假私非卷烟55.3万件。犯罪形势愈发加剧。因此，打击假私非卷烟刻不容缓。

随着执法部门持续加大对涉烟违法运输环节打击力度，犯罪分子也在逐渐调整假私非卷烟的运输手段。传统的运输手段主要为物流寄递，但近期从物流寄递环节查获卷烟的成效来看，假私非卷烟通过物流寄递环节进行运输的占比逐渐下降。专车运输、包运团伙等违法运输正在逐渐演变为涉烟违法主要运输犯罪的手段。

针对专车运输，包运团伙的稽查，目前有两种方法。一种是执法部门依照办案经验，在各主要交通要塞高速收费站采用人工侦别方式，从车辆特征(车型，车辆是否载货)等特点判断通过车辆是否为涉烟非法运输车辆。第二种方法是收集大量正常车辆与涉烟车辆信息，利用大数据与有监督学习的方法辨别出正常车辆与涉烟车辆。

这第一种方法一方面依赖于稽查人员个人业务素质，耗时耗力。另一方面，容易影响正常车辆通行，造成交通堵塞。第二种方法需要大量的车辆信息与标签数据，成本昂贵且不现实。在现实中，面对的往往是数据量小，数据不全，标签稀少的小数据集。因此，迫切地需要引入新的思路以及技术手段进行涉烟车辆检测，利用少量数据与标签，从众多的社会车辆中快速识别出涉烟违法车辆，为涉烟案件稽查提供主动线索发现，提高信息分析效率。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种满足误差小、效率高、耗时低的基于小数据集实现涉烟车辆异常检测的方法。

为了实现上述目的，本发明的基于小数据集实现涉烟车辆异常检测的方法如下：

该基于小数据集实现涉烟车辆异常检测的方法，其主要特点是，所述的方法包括以下步骤：

(1)收集数据，构建数据集；

(2)对原始数据集进行预处理与特征提取构造特征矩阵；

(3)对得到的特征矩阵进行特征选择；

(4)通过分类器识别得到检测结果。

较佳地，所述的步骤(2)具体包括以下步骤：

(2.1)对原数据集中的缺失值进行补全或删除缺失值，对重复ID进行合并；

(2.2)挑选相关特征，进行特征提取。

较佳地，所述的步骤(3)具体包括以下步骤：

(3.1)通过少量的正向样本与负向样本构建随机森林模型；

(3.2)通过随机森林模型对特征重要性进行排序，根据排序结果，选择排名靠前的9个特征作为分类器的特征。

较佳地，所述的步骤(4)具体包括以下步骤：