专利交易市场

本发明提供一种基于关联分析的异常交易识别方法及系统，涉及数据处理技术领域，方法包括：收集用户在各个交易平台上历史正常行为模式数据，并建立跨平台正常行为模式库；提取当前交易数据中的交易活动特征；将当前交易数据中的交易活动特征与跨平台正常行为模式库中的交易活动特征，进行跨平台关联分析，计算当前交易的异常交易指数；判断异常交易指数是否小于预设值；若是，初步标记为正常交易；否则，对当前交易进行人工审核；将初步标记为正常交易所对应的交易活动特征转化为综合特征向量，输入至卷积神经网络，输出交易识别结果；对异常交易进行人工审核；对正常交易的交易行为数据存入跨平台正常行为模式库。

本发明涉及一种基于交叉相关时滞灰色关联分析的流程工业系统预测模型。本发明先计算各候选变量与目标变量之间的相关联度；以降序方式对变量进行排序，取关联度大于关联度阈值的变量，得到特征变量集合。以特征变量集合作为指标预测模型的输入变量，并将其相对延迟时间融合到模型建立的过程。以人工神经网络对指标变化趋势进行预测，训练预测模型，以最小化预测误差为目标，选择最优的输入特征，建立预测模型。将最优输入特征子集中的特征变量的不同时段的时间序列融合延迟时间作为指标预测模型的输入，测试模型，将结果与目标变量的真实值比较，定量评价预测性能。本发明提高了模型整体的精确度，最终实现对流程工业关键指标的有效预测。

本发明公开一种基于词向量的人车关联分析方法。该方法首先通过对收集的数据进行预处理，将每个卡口中常驻人口的手机IMSI码信息和车辆信息删除。然后，将数据按照时间段进行切分，并将每个时间段中收集的IMSI码和车牌号形成一个训练样本。之后，利用词嵌入技术CBOW模型进行训练，分别获取IMSI码和车牌号的词向量。最后，利用余弦相似度方法计算IMSI码和车牌号对应的词向量之间的相似度。通过本发明方法，能有效提高人车关联分析的求解效果，降低人工分析成本，对智慧交通安全事件处理有着非常重要的现实意义。