基于SVM的报税欺诈检测

税收申报欺诈检测是税务机关税收征管和稽查中面临的一个重要问题。该文提出了一种基于SVM的税收中报欺诈检测方法。首先用采样来的企业经营和财务数据训练好．个SVM识别系统，然后用这个SVM识别系统判断一个企业的报税额是否真实。实验结果说明该打法是一种有效的疗法，在31个测试样本中，检测精度达87．10％，比基于See5．0的方法高3．23％，而训练时间只需1.708。     

基于支持向量机的信用卡欺诈检测

研究信用卡安全优化设计问题,信用卡欺诈数据具有高维数和稀疏性,由于欺诈样本数据的冗余特征,导致传统检测方法不能很好的识别信用卡欺诈行为,导致检测准确率低.为了提高信用卡欺诈检测准确率,提出一种支持向量机的信用卡欺诈检测方法.首先用采样来的信用卡消费数据训练好一个支持向量机检测系统,然后用支持向量机检测系统对一父信用卡消费行为进行检测,判断是否为欺诈交易行为.对某商业银行的信用卡消费情况进行测试实验,实验结果显示,采用支持向量机的信用卡欺诈检测精度达到95％以上,且检测时间只有0.565秒,说明提出的检测是一种有效的信用卡检测方法.     

增量式贝叶斯分类器在交通拥堵判别中的应用

为有效发现道路交通拥堵状态,提出基于增量式贝叶斯分类器的交通拥堵判别方法.该方法把交通拥堵是否发生看成是特殊的分类问题,选取增量式贝叶斯分类器,根据以往是否发生交通拥堵的检测数据,即分别把在发生交通拥堵和不发生交通拥堵两种情况下的交通参数作为特征参数对其进行训练,然后用得到的分类器对检测到的交通参数进行分类,判别是否发生交通拥堵.微观交通仿真数据表明该方法的可行性和有效性.     

基于单词匹配和编辑距离的钓鱼贝叶斯检测器研究

网络钓鱼是目前信息安全领域的一个研究热点,基于域名信息的钓鱼检测是使用较为广泛的一种方法.文章利用编辑距离寻找与已知正常域名相近的域名,根据域名信息提取域名单词最大匹配特征、域名分割特征和URL分割特征,利用这些特征训练贝叶斯分类器,根据给定特征属于哪一类的概率来判断此URL是否为钓鱼URL,实验结果表明该方法能有效提高判断准确性.     

基于半监督学习的视频检索相关反馈算法

小样本问题会制约贝叶斯相关反馈算法的学习能力。为此,提出一种基于半监督学习的视频检索贝叶斯相关反馈算法,其中一个分类器用于估计视频库中每一个镜头属于目标镜头的概率,另一个半监督学习分类器用于判断用户未标记镜头是否与目标相关,由此扩大贝叶斯学习器的训练数据集,提高其分类能力。实验结果表明,该算法提高了贝叶斯算法的检索性能。     

基于聚类的神经网络分类模型研究

税务稽查选案是税务机关在税收征管和稽查中面临的一个重要问题.提出一种基于聚类的神经网络分类模型用于选案.首先采用聚类方法将样本分为不同的子类,在此基础上,构建了欺诈检测的神经网络分类模型,提高了分类的精度和效率.通过对采集的申报数据进行测试,表明本文提出方法的有效性.     

基于贝叶斯分类算法的电子呼啦圈设计

针对实体的呼啦圈体积大,不易携带,使用不当可能对身体造成伤害的问题,设计了一种基于贝叶斯分类算法的电子呼啦圈.系统使用三轴加速度计采集呼啦圈旋转时腰部的加速度信号,经卡尔曼滤波后,提取特定周期内的波形特征并以此训练贝叶斯分类器,利用训练后的分类器对实时滑动窗口内加速度计数据进行判断是否符合转实体呼啦圈腰部的运动特征,并将分类结果通过蓝牙发送至Android终端.实验证明:该设计功耗低,实时性好,准确率高.     

基于粗糙集理论与支持向量机的纳税评估模型

研究纳税评估是对纳税人纳税情况进行评价的一种管理模式.为了区分纳税人是否正常申报税款,融合了粗糙集理论与支持向量机机器学习方法的优点,提出了一种新的纳税评估模型.通过选取纳税申报表中的指标,建立纳税评估指标体系,并利用粗糙集理论对指标进行属性约简,采用支持向量机对纳税人进行分类处理,建立了纳税评估模型.最后对上述模型进行了实例验证,实验结果表明,模型具有良好的纳税评估预测性能.     

模糊粗糙集理论在纳税评估中的应用

纳税评估是税收管理工作的一个重要组成部分,纳税评估指标体系的建立是纳税评估工作的一个重要环节.关键是评估效率和准确性.为了提高纳税评估的业务效率,准确地对纳税人的申报税款情况进行评价,利用模糊粗糙集理论,选用不同的离散区间化方法,对选取的评估指标进行属性约简,最后采用支持向量机机器学习的方法对约简属性进行评价,经过实验比较分析后,得出一种新的纳税评估指标体系,通过实例验证.实验结果表明指标体系能很好地提高纳税评估预测性能.     

贝叶斯分类在入侵检测中的应用研究

根据分类技术建立入侵检测模型的思路,构造了一个基于贝叶斯分类的入侵检测原型系统。为了解决该方法存在的训练数据集问题,本文改进了现有的贝叶斯分类算法,提出了利用未标记数据提高贝叶斯分类器性能的方法。实验表明,这种方法取得了很好的效果。