[发明专利]基于生成式对抗网络和半监督学习的个人信用确定方法在审
申请号: | 201811635264.9 | 申请日: | 2018-12-29 |
公开(公告)号: | CN109726918A | 公开(公告)日: | 2019-05-07 |
发明(设计)人: | 杨云;南峰涛 | 申请(专利权)人: | 云南大学 |
主分类号: | G06Q10/06 | 分类号: | G06Q10/06;G06Q40/02;G06K9/62 |
代理公司: | 北京科亿知识产权代理事务所(普通合伙) 11350 | 代理人: | 汤东凤 |
地址: | 650091 云*** | 国省代码: | 云南;53 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于生成式对抗网络和半监督学习的个人信用确定方法,将个人信用数据分为有标签个人信用数据和无标签个人信用数据;对有标签个人信用数据依次进行数值化、归一化和平衡化;通过重采样方法获得不同的样本子集并对其进行扩充获得训练样本;初始化子学习器,将训练样本分配给子学习器,优化子学习器;利用优化的子学习器对无标签个人信用数据进行标记,并将标记的个人信用数据置于有标签个人信用数据中对有标签个人信用数据进行一次扩充;对有标签个人信用数据进行二次扩充;循环迭代步骤S2~S8,直到无标签个人信用数据集中的数据不再减少;对最终优化的子学习器进行集成学习,并利用集成的学习器确定个人信用度,准确度高。 | ||
搜索关键词: | 个人信用数据 学习器 标签 个人信用 半监督学习 训练样本 生成式 优化 集成学习 循环迭代 样本子集 准确度 对抗 归一化 平衡化 数值化 重采样 网络 分配 | ||
【主权项】:
1.基于生成式对抗网络和半监督学习的个人信用确定方法,其特征在于,具体步骤如下:步骤S1、将个人信用数据分为有标签个人信用数据和无标签个人信用数据;步骤S2、对有标签个人信用数据的类标依次进行数值化和归一化;步骤S3、对有标签个人信用数据进行数据平衡化;步骤S4、通过重采样方法在有标签个人信用数据中获得不同的样本子集;步骤S5、对采样得到的多个样本子集的数据进行扩充,获得多个训练样本;步骤S6、初始化多个子学习器,并将训练样本分配给子学习器,对子学习器进行优化;步骤S7、利用优化后的子学习器对无标签个人信用数据进行标记;并将标记的个人信用数据置于有标签个人信用数据中对有标签个人信用数据进行一次扩充;步骤S8、对有标签个人信用数据进行二次扩充;步骤S9、对步骤S2~S8进行循环迭代,直到无标签个人信用数据集中的数据不再减少,迭代结束;步骤S10、采用boosting方法对最终优化的子学习器进行集成学习,并将集成的学习器用于测试集,确定个人信用度。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于云南大学,未经云南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201811635264.9/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理