论文部分内容阅读
基于频域特征的异常交易检测算法研究
【摘 要】
：
随着互联网商务的飞速成长,在海量的交易信息中识别异常交易,并进行风险调控,是金融检测部门当前面对的首要挑战。随着数据量的大幅增加,研究人员工作量指数剧增,从而引发应用机器学习方法检测漏洞的热潮。尽管机器学习方法在图像、语言、语音处理等范畴已有普遍应用,但在异常交易辨别方面,距成熟还有一段距离。尤其是交易样本具有的数据不均衡特性,是阻碍分类方法性能优化的一大瓶颈。因此,怎样优化金融交易数据本身,提升
【机 构】
：
中国科学技术大学
【出 处】
：
中国科学技术大学
【发表日期】
：
2021年08期
【基金项目】
：
其他文献
偏微分方程是指未知函数及其偏导数的方程,描述自变量,未知函数及未知函数偏导数之间的关系。偏微分方程是描述客观物理世界规律最重要的数学工具之一,其在电磁学、热力学、流体力学、量子力学、几何学等学科中都有重要应用。偏微分方程的精确解难以获取,所以一般考虑获取偏微分方程的近似解。使用神经网络方法求解偏微分方程是近些年来一种新兴的偏微分方程的近似求解方法。相对传统的数值方法,大多数神经网络方法无需网格剖分
学位
在深度卷积神经网络的推动下,目标检测算法取得了重大的进展,但在实际应用中仍然面临着挑战。现有表现良好的目标检测算法对训练数据都有着严格的要求,不仅需要良好的标注信息,还需要与实际应用中获取的数据保持独立同分布,否则就会产生严重的性能下降。并且目前对数据集进行标注的工作仍然依赖于人工,这也意味着一旦应用场景发生变化或更替,相应的训练数据集也需要重新获取并标注,这无疑是耗时耗力且低效的,也不利于算法的
学位
Flink由于其高吞吐、低延时等优势,已被广泛应用到日志、统计等常见流计算问题中,近年来又出现了面向科学计算的应用新动向。Flink中数据分区对于性能有着重要影响,现有数据分区方法大多考虑了不同键值数据量差异较大的数据资源倾斜问题,以及节点间不同链路带宽差异较大的网络资源倾斜问题,而忽略了节点的计算能力和负载不同的计算资源倾斜问题。对于科学计算的计算密集型应用,计算资源倾斜更为敏感和重要。而在分布
学位
实时操作系统常常运用优先级调度方案来进行抢占式调度。然而,如果在这些操作系统中引入基于阻塞的同步原语则很容易产生无上界优先级反转问题。目前已有若干种同步协议用于避免产生此类问题。然而,这些协议实现起来往往非常复杂并且容易滋生错误。本文设计并实现了一套系统性的解决方案用于验证同步协议能够保证有上界优先级反转性质。本文首先给出了此问题的形式化定义,接着给出了一套能同时在协议规范层面和在协议实现层面验证
学位
面部表情分析是情感计算和计算机视觉领域重要的研究课题之一。目前的面部表情分析方法专注于提取区分性更强的特征和训练鲁棒性更强的分类器,而忽略了外部特权信息对面部表情分析的辅助。特权信息作为一种额外信息,只用于模型的训练阶段,而在测试阶段不需要用到,合理地利用特权信息可以辅助构建更好的分类器。本文重点研究了面部表情分析中的两个问题:遮挡表情识别和微表情识别。本文使用了基于特权信息学习的框架,将非遮挡表
学位
科技的进步带动了多媒体技术的蓬勃发展,每时每刻都有海量的多媒体数据产生。这些承载着人类情感的多媒体数据是巨大的宝藏,值得我们去探索和挖掘。近年来,情感分析技术得到了越来越广泛的关注。高效的情感分析算法可以帮助人们理解和使用多媒体数据,降低生产和管理成本,提升人机交互的效率。本文重点研究了与情感分析任务相关的两个问题:多媒体情感标注和图像情感分布学习。情感标注任务的一大难点是如何建模情感关系模式,而
学位
在很多智能应用中,实时捕获人的动作信息至关重要。在已有的众多动作追踪方案中,基于声波的方案因低代价和高精度而独具优势。由于智能手机的普遍性,已存在的声学动作追踪系统大多是基于手机内置的扬声器和麦克风来实现的。然而,手机内置的麦克风和扬声器通常被固定在机身且位置不能自由改变,这导致声学追踪的应用场景大大受限。本文聚焦于如何利用商用耳机改善目前声学追踪的灵活性和移动性,从而使得声学追踪能够触发更多新奇
学位
随着计算机科学技术的发展以及在线教育的不断成熟,线上线下的计算机课程越来越多,而参与各种计算机课程的学生人数也不断增长。尽管不断发展的高新技术提高了学校或者教育平台向大规模学生提供内容的能力,但为学生提供及时且准确的评估和反馈(包括批改作业和课程反馈)仍然很困难。目前,提供个性化的反馈是优质教育的主要体现,但是这对于小型的面对面课堂来说,成本已经十分高昂,而对于大规模课堂来说,成本更是高得令人望而
学位
卷积神经网络是一类经典的前馈型神经网络,能够很好的处理高维数据,并已经被证明在图片处理相关任务上有出色的表现。目前深度学习模型及其优化方法大多基于梯度下降和反向传播算法来提高模型性能,考虑到该学习过程依赖于相关性关系学习,一般需要海量数据来保证训练模型的鲁棒性,因此小样本学习场景下的模型的泛化性能往往受到较大影响。另外,卷积结构以及池化结构都会带来部分信息损失。为进一步提高卷积结构深度学习模型在小
学位
互联网上存在大量开放式的合作编辑系统,这些系统允许公开编辑的方式让大众参与到某一个项目的完成中,以Wikipedia为代表的百科全书,以GitHub为代表的开源软件平台,以及各种问答网站都属于这类系统。合作编辑系统在调集群体智慧生产内容的同时,也面临着低质量内容会破坏系统本身的问题。本文旨在通过机器学习的方法,来对合作编辑系统中到来的新编辑内容的质量进行自动评估,以减少人工对编辑进行审核的负担。对
学位