基于标签传播的涉烟车辆异常检测

烟草行业与政府财政收入密切关联,走私假烟不仅会造成国家税收流失,同时也会扰乱市场、危害消费者的健康,如何对涉烟车辆实施有效的监管,对烟草行业的发展有重要意义。针对涉烟车辆的问题,并结合实际采集的车辆数据特征,提出了基于标签传播的涉烟车辆异常检测算法。通过对车辆数据集进行有用特征提取,并采用随机森林算法实现特征选择,在此基础上使用标签传播算法对异常车辆进行分类。结果表明,在历史数据和异常车辆标签较少的情况下,基于标签传播的涉烟车辆异常检测算法能有效的检测出大部分涉烟车辆。在给定数据集中,算法检测出异常点的召回率为57.7%,远超其他传统机器学习模型。该算法可为运输违禁物品车辆的侦查提供辅助支持。