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_第1頁
已閱讀1頁,還剩46頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論