發(fā)布時(shí)間：2024-05-18 18:00

　　在智能卡使用的過程中,由于刷卡機(jī)故障或者線路故障等因素,可能造成智能卡刷卡機(jī)上傳到后臺的數(shù)據(jù)錯誤或者丟失,從而給企業(yè)或者商戶造成經(jīng)濟(jì)損失。從提高數(shù)據(jù)上傳性能的角度來解決數(shù)據(jù)傳輸過程的問題,先利用小波多分辨分析分離客戶消費(fèi)數(shù)據(jù)的高頻和低頻,再利用最小二乘法(多元線性回歸法)和基于密度的異常檢測算法處理原始信號與重構(gòu)信號的差值,找出客戶消費(fèi)記錄中的異常數(shù)據(jù)。最后,通過對學(xué)校超市的非平穩(wěn)消費(fèi)數(shù)據(jù)信號進(jìn)行試驗(yàn),論證了利用最小二乘法比基于密度的異常檢測算法可以較好地檢測出客戶消費(fèi)的異常數(shù)據(jù),從而為企業(yè)的財(cái)務(wù)人員或者商戶提供更可靠的消費(fèi)數(shù)據(jù)。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1最小二乘法流程

最小二乘法是通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配，流程如圖1所示。1.4基于密度的異常檢測算法

圖2實(shí)測數(shù)據(jù)

在廣西財(cái)經(jīng)學(xué)院校園一卡通管理中心后臺服務(wù)器客戶端采集廣西財(cái)經(jīng)學(xué)院學(xué)生超市2019年11月15到2019年12月23日中午11點(diǎn)20到12點(diǎn)30時(shí)間段學(xué)生消費(fèi)次數(shù)信息。在這個時(shí)間段內(nèi)的消費(fèi)次數(shù)信息屬于非平穩(wěn)信號，基于密度的檢測算法和小波分析相結(jié)合進(jìn)行處理會有較大誤差。通過最小二乘法....

圖3sym2小波函數(shù)和尺度函數(shù)

首先利用MATLAB小波工具箱的sym2小波函數(shù)，依據(jù)多分辨分析原理，處理消費(fèi)記錄中的異常數(shù)據(jù)。選定的sym2小波函數(shù)和尺度函數(shù)如圖3所示，并確定分解尺度為2。對消費(fèi)數(shù)據(jù)序列進(jìn)行二尺度分解，得到的低頻系數(shù)和高頻系數(shù)如圖4中B所示，對高頻系數(shù)置為0，同時(shí)提取尺度的低頻系數(shù)，對低頻信....

圖4sym2小波分解和重構(gòu)

對消費(fèi)數(shù)據(jù)序列進(jìn)行二尺度分解，得到的低頻系數(shù)和高頻系數(shù)如圖4中B所示，對高頻系數(shù)置為0，同時(shí)提取尺度的低頻系數(shù)，對低頻信號進(jìn)行重構(gòu)，得到如圖4中a2所示。依據(jù)同樣的原理和步驟利用db2小波函數(shù)對數(shù)據(jù)做一次新的處理，小波函數(shù)和尺度函數(shù)如圖5所示，小波分解圖和重構(gòu)圖如圖6所示。

本文編號：3977157