[发明专利]交通运输单位信用评级方法、系统、电子设备及存储介质有效
申请号: | 202011307960.4 | 申请日: | 2020-11-20 |
公开(公告)号: | CN112418987B | 公开(公告)日: | 2022-04-29 |
发明(设计)人: | 文琰杰;许旺土;李传明;黄永燊;丁昌星 | 申请(专利权)人: | 厦门大学 |
主分类号: | G06Q30/06 | 分类号: | G06Q30/06;G06Q50/30;G06K9/62 |
代理公司: | 北京华创智道知识产权代理事务所(普通合伙) 11888 | 代理人: | 彭随丽 |
地址: | 361005 福建省*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 交通运输 单位 信用 评级 方法 系统 电子设备 存储 介质 | ||
1.一种交通运输单位信用评级方法,其特征在于,包括:
提取交通运输单位的交通信用评级的特征数据集;
对所述特征数据集进行聚类处理,选取最佳簇数,建立评级模型;
将所述特征数据集输入所述评级模型,对交通运输单位进行无标签数据评级;
还包括:在建立评级模型后,以所述特征数据集的马氏距离作为优化目标,优化所述评级模型,其中马氏距离公式为:;
其中xi为第条数据,mj为数据i属于对应簇j的质心,为协方差的逆;
所述特征数据集包括:行政处罚Z1;受到一般行政处罚x4;受到严重行政处罚x5;信誉考评Z2;信誉考评获得AAA级x1;信誉考评获得AA级x2;信誉考评获得B级x3;
基于因子分析法获取所述特征数据集,其中因子分析法包括:
获取交通信用评级的特征数据集;
构造矩阵公式:,其中载荷矩阵为荷载矩阵,向量为维公共因子,为维误差向量,为维观测向量;
根据式求出载荷矩阵,其中代表变量的协方差;
求出公共因子Z,;
要求KMO值大于0.5,Bartlett检验sig值小于0.05,则说明数据集可以进行因子分析,否则需要重新修改数据集;
基于全局K-means算法对特征数据集进行聚类,以类平方和结合肘部原则选取最佳簇数,建立全局K-means交通信用评级模型;
其中,选取最佳簇数的方法包括:
初始化聚类中心为全量数据的平均值;
以马氏距离作为优化目标,观察在N次迭代后,类平方和损失达到最小对应的聚类中心,为最佳聚类中心;
令依次增大聚类簇数,的初始化聚类中心由所述最佳聚类中心与随机选取一个初始点构成,其中k为簇数;
观察不同k值下的类平方和损失函数曲线变化,按照肘部法则确定最佳聚类簇数;
建立所述全局K-means交通信用评级模型后,将聚类中心归一化后获得对应簇的评级结果,将所述特征数据集输入所述全局K-means交通信用评级模型,依照距离最短将特征数据划分至对应簇并根据所述簇的评级结果进行评级;
所述将聚类中心归一化后获得对应簇的评级结果,将所述特征数据集输入所述全局K-means交通信用评级模型,依照距离最短将特征数据划分至对应簇并根据所述簇的评级结果进行评级,包括:
将所述特征数据集输入簇数k类聚类中心的全局K-means交通信用评级模型中,获取各个聚类中心的质心;
所述将聚类中心归一化后获得对应簇的评级结果,将所述特征数据集输入所述全局K-means交通信用评级模型,依照距离最短将特征数据划分至对应簇并根据所述簇的评级结果进行评级,还包括:
聚类中心归一化,通过指标的标称意义,对各质心划分到对应的信用等级中;
基于马氏距离计算各个质心与交通运输单位的特征数据之间的距离,按照距离最短将特征数据划分到对应的簇中;
将特征数据对应簇转化为对应的交通信用评级结果,完成对交通运输单位的交通信用评级。
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厦门大学,未经厦门大学许可,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/pat/books/202011307960.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:交通违法行为分析方法、系统、电子设备及存储介质
- 下一篇:光学邻近校正方法