[发明专利]分类器的训练系统及方法、异常样本的识别方法有效
| 申请号： | 201911259207.X | 申请日： | 2019-12-10 |
| 公开（公告）号： | CN111046947B | 公开（公告）日： | 2023-06-30 |
| 发明（设计）人： | 康青杨;刘世林;曾途;杨李伟;吴桐 | 申请（专利权）人： | 成都数联铭品科技有限公司 |
| 主分类号： | G06F18/2431 | 分类号： | G06F18/2431;G06F18/23;G06F18/214;G06Q40/06 |
| 代理公司： | 北京市领专知识产权代理有限公司 11590 | 代理人： | 张玲 |
| 地址： | 610015 四川省成都市自由贸易试验区*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种分类器的训练方法及系统、异常样本的识别方法，该分类器的训练方法包括步骤：构造训练样本；基于样本中记录的字段，构造出占比型特征和增长率型特征；将构造的占比型特征和增长率型特征进行全组合，并使用聚类算法对所有样本进行聚类，得到每个样本的欧式距离；将构造的占比型特征和增长率型特征进行全组合，使用线性回归算法对所有样本进行回归计算，并得到每个样本的回归相对误差；将所述欧式距离和所述回归相对误差作为样本的特征，基于监督学习算法在训练集上进行训练，得到所述分类器。基于训练得到的分类器，可以识别出异常样本，例如识别出数据异常的财务报表，继而增强监管效率。 | ||
| 搜索关键词： | 分类 训练 系统 方法 异常 样本 识别 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都数联铭品科技有限公司，未经成都数联铭品科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911259207.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种电缆检测装置
- 下一篇：内窥镜系统、环锯组件和保护套
