基于SVM分类机的移动通信欺诈检测系统

设计并实现了一种基于SVM分类机(支持向量机)的入侵检测系统,它搜集移动通信客户的产品信息、呼叫行为信息(CDR)、背景资料、交欠费信息等特征,采用主成份分析(PCA)的属性归约技术对数据进行预处理,然后使用SVM分类机对测试数据进行分类,从而识别出新用户的欺诈类型。在此基础上,讨论了SVM分类机与通常的所挖掘分类技术的差别、SVM核函数的选择和RBF核函数参数的选择对分类效果的影响。实验结果表明,该系统能有效地检测出新客户的欺诈行为类型,具有很高的分类准确率。

PCA与决策树相结合的移动通信欠费预测分析

针对日趋严重的移动通信欠费问题 ,文章根据某地区移动客户的产品信息、呼叫行为信息 ( CDR)、背景资料、交欠费信息等数据 ,采用了主成份分析 ( PCA)的属性归约技术对数据进行预处理 ,然后使用决策树分类技术对数据分类 ,从而识别出新用户的欠费类型。在此基础上 ,进一步与双变量统计的预处理方式进行了比较。实验结果表明 ,使用 PCA与决策树相结合的分类方式具有很好的准确率。