[发明专利]一种融合多特征的机动车信息查询异常的判别方法及系统

权利要求书

1.一种融合多特征的机动车信息查询异常的判别方法，其特征在于，包括：

获取用户查询行为特征集合和待分析用户集合S_in，其中，所述用户查询行为特征集合包括多个待分析特征变量，每一所述待分析特征变量包括多个变量值；

分别计算所述待分析用户集合S_in中每个有效用户查询对应所述待分析特征变量中不同变量值的机动车登记信息次数和占比，其中，所述占比为用户查询对应所述待分析特征变量中不同变量值的机动车登记信息次数占该用户查询总次数的比例；

对于每个所述待分析特征变量，分别构建一组用户数量分布直方图，其中，所述待分析特征变量中的不同变量值分别对应一个用户数量分布直方图，所述用户数量分布直方图的横轴表示用户查询所述不同变量值对应的机动车登记信息次数占查询总次数的比例，纵轴表示查询比例在对应区间范围内的用户个数占全部待分析用户总个数的比例；

根据每个所述待分析特征变量对应的所述一组用户数量分布直方图，分别计算该待分析特征变量对应的待分析用户集合S_in中所有有效用户的查询行为异常得分；

基于每一所述待分析特征变量对应的待分析用户集合S_in中所有有效用户的查询行为异常得分，自适应设置预警阈值，并将所述查询行为异常得分高于所述预警阈值的用户判定为异常用户，并将所有的异常用户按所述查询行为异常得分从高到低排序，生成异常用户嫌疑度排名，以及根据异常用户名单和异常用户嫌疑度排名生成异常用户清单；

融合不同待分析特征变量生成的异常用户清单，生成新的异常用户清单。

2.根据权利要求1所述的融合多特征的机动车信息查询异常的判别方法，其特征在于，所述融合不同待分析特征变量生成的异常用户清单，生成新的异常用户清单中，还包括：

不同待分析特征变量生成不同异常用户清单，将不同异常用户清单中的异常用户去重后合并，生成新的异常用户清单；

根据不同异常用户清单中的异常用户嫌疑度排名，并运用特征套袋算法，重新计算所述新的异常用户清单中每个异常用户的嫌疑度综合排名。

3.根据权利要求2所述的融合多特征的机动车信息查询异常的判别方法，其特征在于，设定融合两个待分析特征变量生成的异常用户清单，生成新的异常用户清单，还包括：

设定第一个待分析特征变量生成的异常用户清单为第一异常用户清单，第二个待分析特征变量生成的异常用户清单为第二异常用户清单，并初始化第三异常用户清单，所述第三异常用户清单设为空集；

选取所述第一异常用户清单中嫌疑度排名第一的异常用户，判断该异常用户是否已经在所述第三异常用户清单中；如否，就将其置于所述第三异常用户清单队尾，并将其从所述第一异常用户清单中移除，并更新所述第一异常用户清单中剩余异常用户的嫌疑度排名；

选取所述第二异常用户清单中嫌疑度排名第一的异常用户，判断该异常用户是否已经在所述第三异常用户清单中；如否，就将其置于所述第三异常用户清单队尾，并将其从所述第二异常用户清单中移除，并更新所述第二异常用户清单中剩余异常用户的嫌疑度排名；

循环迭代，直至所述第一异常用户清单和第二异常用户清单中所有的异常用户均被移除为止；

其中，新生成的第三异常用户清单中的异常用户排序，就是融合后每个异常用户的嫌疑度综合排名。