[发明专利]一种基于决策树学习算法的金融自助终端故障诊断方法及系统

权利要求书

1.一种基于决策树学习算法的金融自助终端故障诊断方法，其特征在于，包括以下几个步骤：

步骤1：对自助设备以及自助设备各部件的工作运行状态设置属性值；

步骤2：采集自助设备及自助设备各部件的历史工作运行状态属性值，以自助设备的工作运行状态属性值以及对应的各部件的工作运行状态属性值作为一个节点，形成自助设备的节点样本集合D；

对各部件的工作运行状态与自助设备工作运行状态进行关联；

步骤3：计算自助设备各部件所有工作运行状态属性值的信息增益率；

所述自助设备各部件所有工作运行状态属性值的信息增益率是自助设备各部件各工作运行状态属性值的信息增益率的和；

步骤4：以步骤3计算获得的信息增益率的最大值对应的自助设备部件作为根节点；

步骤5：以当前层根节点对应部件的工作运行状态作为当前层根节点的分支，并选中部件的工作运行状态信息增益率最大的工作运行状态所在的分支；

步骤6：从未选的自助设备部件中选取部件所有工作运行状态属性值的信息增益率最大的部件，并将该部件作为步骤5选中的分支的叶子节点，形成新一层根节点，若所有部件均被选择，则以当前层根节点对应部件的工作运行状态作为当前层根节点的分支，生成自助设备工作运行状态决策树，否则，返回步骤5；

步骤7：以步骤6生成的自助设备工作运行状态决策树作为自助设备工作运行状态的判断规则；

步骤8：实时采取自助设备各部件的工作运行状态，输入步骤7构建的决策树中各根节点，生成决策路线，以决策路线最末端的分支对应自助设备工作运行状态作为自助设备的诊断结果。

2.根据权利要求1所述的方法，其特征在于，所述自助设备各部件所有工作运行状态属性值的信息增益率GainRatio(A^q)为：

其中，

Info(D)表示自助设备的节点样本集合的信息熵：

表示自助设备各部件工作运行状态属性值的信息熵：

p_i表示自助设备的第i类工作运行状态概率，X_i表示自助设备的第i类工作运行状态在节点样本集合中出现的总数，m表示自助设备的工作运行状态类别总数；

A^q表示自助设备的部件q的工作运行状态集合，j的取值为1-v^q，v^q表示自助设备的部件q的工作运行状态类别总数；是指按照自助设备的部件q的工作运行状态类别对节点样本集合D进行划分后的第j类，共有v^q类，D|表示节点样本集合D的节点个数；

表示自助设备的部件q的工作运行状态为j在节点样本集合中出现的总数。

3.根据权利要求2所述的方法，其特征在于，所述自助设备各部件各工作运行状态属性值的信息增益率为

其中，

${\mathrm{SplitInfo}}_{A_j^q}\left(D\right)=-\frac{\left|D_j^q\right|}{\left|D\right|}\×{\log }_2\left(\frac{\left|D_j^q\right|}{\left|D\right|}\right);$

表示自助设备的部件q的处于第j类工作运行状态。

4.一种基于决策树学习算法的金融自助终端故障诊断系统，其特征在于，包括：

自助设备状态属性设置单元，用于对自助设备以及自助设备各部件的工作运行状态设置属性值；

节点样本生成单元，通过采集自助设备及自助设备各部件的历史工作运行状态属性值，以自助设备的工作运行状态属性值以及对应的各部件的工作运行状态属性值作为一个节点，形成自助设备的节点样本集合D；

工作运行状态属性值的信息增益率计算单元，用于计算自助设备各部件所有工作运行状态和单个工作运行状态属性值的信息增益率；

根节点生成单元，以自助设备各部件所有工作运行状态属性值的信息增益率的最大值对应的自助设备部件作为根节点；

决策树生成单元，以当前层根节点对应部件的工作运行状态作为当前层根节点的分支，生成自助设备工作运行状态决策树；

自助设备判断单元，用于对实时采集的自助设备各部件工作运行状态，依据由决策树生成单元生成的决策树对应的决策规则，对自助设备的工作运行状态进行判断。