基于小波分析的時間序列數據挖掘模型及其在電信欺詐檢測中的應用.pdf

1、本論文結合數據挖掘的理論，提出一個基于小波分析的時間序列挖掘的數據挖掘模型，它支持時間序列數據挖掘的整個過程。該模型應用小波實現(xiàn)數據的多層次可視化表示、數據約簡和多尺度模式發(fā)現(xiàn)。它可以幫助用戶觀察高維數據，理解中間結果和解釋發(fā)現(xiàn)的模式。 電信行業(yè)存在著大量現(xiàn)時的和歷史的操作型數據（如用戶基本信息、用戶呼叫行為信息和帳單信息等），這些海量數據的存在是進行數據挖掘的前提條件，也是需要采用數據挖掘技術的根本原因。同時，這些用戶數據可以

2、用時間序列來表示，進而通過對數據進行基于時間序列的分析可以預測用戶未來的行為特征，發(fā)現(xiàn)用戶使用行為模式，并進行模式分類，從中區(qū)分出。 但是，電信的海量數據形成的不僅僅是簡簡單單的時間序列，從表征上就可以猜想其必是不同頻率成分組成的復雜時間序列的集合。小波分析能將交織在一起的不同頻率成分組成的復雜時間序列分解成頻率不相同的子序列?；谛〔ǚ纸夂椭貥嬎枷?，可以嘗試將用戶通話行為的日通話量過程分解成不同尺度下的小波系數(細節(jié))和尺度系

3、數(背景)，對分解所得的系數按實測資料顯示的主周期(年)進行隨機重構，從而獲得各種各樣的日通話量過程線。當小波函數和尺度函數或濾波器確定后，分解和重構過程不需估算參數，也不必進行前期分析和任何假定，因而，這種隨機模擬方法具有非參數化特征。通過這種動態(tài)過程的模擬，就能對用戶的使用行為進行仿真，從而能區(qū)分與檢測出由異常通話模式引發(fā)的電信欺詐行為。 本論文將該模型運用在電信防欺詐業(yè)務中，并針對個人話務流量作頻率分布特征分析,運用小波分