[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 | ||
本发明提供一种交通运输单位信用评级方法、系统、电子设备及计算机可读存储介质,其中方法包括: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。根据本发明的方案,采用无监督学习模式(即采用无标签数据)为交通运输单位的信用进行评级,采用无标签数据评级的方法不需要大量的数据支撑,不需要参考历史经验数据,获取数据的成本小,而且不再需要考虑例如传统的有监督学习中的标签数据的准确性。且与同类传统聚类方案相比,精度更高、鲁棒性更强、收敛更快,能够为交通运输企业信用评级提供决策支持。
技术领域
本发明涉及交通运输技术领域,尤其涉及一种交通运输单位信用评级方法、系统、电子设备及计算机可读存储介质。
背景技术
交通信用体系的建设是近年来交通管理部门的重点工作之一,交通运输企业交通信用评估对规范企业信用信息,营造城市信用市场促进自律具备极其重要的意义。
企业信用评级模型的发展引起了学术界和商业界的广泛研究兴趣。国外对于企业信用的评级研究较早,评级方法可以分为传统方法与基于人工智能的评级方法。传统方法中主要有:因子分析法、经验判别法、多元判别分析预测;人工智能评级中主要有:支持向量机、人工神经网络、归纳学习等。上述方法均是建立在数据具备标签前提下的有监督学习,需要大量的数据支撑,获取数据的成本较高,标签的准确性不能保证。不仅如此,传统的评级方法和模型,聚类损失严重、收敛慢、鲁棒性差,因为不能准确有效地维持特征数据的特征特性,因此不能准确稳定的为交通运输单位交通信用考评提供决策支持。
发明内容
本发明的目的在于解决背景技术中的至少一个技术问题,提供一种交通运输单位信用评级方法、系统、电子设备及计算机可读存储介质。
为实现上述目的,本发明提供一种交通运输单位信用评级方法,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。
根据本发明的一个方面,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i条数据,mj为数据i属于对应簇j的质心,∑-1为协方差的逆。
根据本发明的一个方面,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。
根据本发明的一个方面,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:X=AZ+ε,其中矩阵A为n*m荷载矩阵,向量Z为m维公共因子,ε为n维误差向量,X为n维观测向量,Z为数据集X筛选后的特征数据集;;
根据式Cov(X)=AAT+Cov(ε)可以求出载荷矩阵A,其中Cov(*)代表变量的协方差;
求出公共因子Z,Z=ATCov(X)-1X;
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。
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/202011307960.4/2.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