基于算法以及小波分析的智能卡消费数据异常检测

发布时间：2024-05-18 18:00

　　在智能卡使用的过程中,由于刷卡机故障或者线路故障等因素,可能造成智能卡刷卡机上传到后台的数据错误或者丢失,从而给企业或者商户造成经济损失。从提高数据上传性能的角度来解决数据传输过程的问题,先利用小波多分辨分析分离客户消费数据的高频和低频,再利用最小二乘法(多元线性回归法)和基于密度的异常检测算法处理原始信号与重构信号的差值,找出客户消费记录中的异常数据。最后,通过对学校超市的非平稳消费数据信号进行试验,论证了利用最小二乘法比基于密度的异常检测算法可以较好地检测出客户消费的异常数据,从而为企业的财务人员或者商户提供更可靠的消费数据。

【文章页数】：6 页

【部分图文】：

图1最小二乘法流程

最小二乘法是通过最小化误差的平方和寻找数据的最佳函数匹配，流程如图1所示。1.4基于密度的异常检测算法

图2实测数据

在广西财经学院校园一卡通管理中心后台服务器客户端采集广西财经学院学生超市2019年11月15到2019年12月23日中午11点20到12点30时间段学生消费次数信息。在这个时间段内的消费次数信息属于非平稳信号，基于密度的检测算法和小波分析相结合进行处理会有较大误差。通过最小二乘法....

图3sym2小波函数和尺度函数

首先利用MATLAB小波工具箱的sym2小波函数，依据多分辨分析原理，处理消费记录中的异常数据。选定的sym2小波函数和尺度函数如图3所示，并确定分解尺度为2。对消费数据序列进行二尺度分解，得到的低频系数和高频系数如图4中B所示，对高频系数置为0，同时提取尺度的低频系数，对低频信....

图4sym2小波分解和重构

对消费数据序列进行二尺度分解，得到的低频系数和高频系数如图4中B所示，对高频系数置为0，同时提取尺度的低频系数，对低频信号进行重构，得到如图4中a2所示。依据同样的原理和步骤利用db2小波函数对数据做一次新的处理，小波函数和尺度函数如图5所示，小波分解图和重构图如图6所示。

本文编号：3977157