[发明专利]一种骚扰电话的识别方法

摘要

本发明公开了一种骚扰电话的识别方法。建立基于反向传播神经网络的骚扰电话识别模型；设计了所述反向传播神经网络的输入、输出变量；设计了粒子群算法计算初始反向传播神经网络参数，提高所述反向传播神经网络的精度和收敛速度；分别提出了建立训练数据集和验证数据集的方法，提高训练效率；通过计算所述反向传播神经网络的识别效果评估值，以识别效果评估值最大的反向传播神经网络识别主叫号码是骚扰电话、还是正常电话、还是疑似骚扰电话。本发明提出的骚扰电话的识别方法具有准确、快捷的特点，防电话骚扰效果良好。

主权项

一种骚扰电话的识别方法，其特征在于，包括以下步骤：S1、建立基于反向传播神经网络的骚扰电话识别模型：xj′=f(Σi=1nwijxi-θj),j=1,2,...,n1yk=f(Σj=1n1wjk′xj′-θk′),k=1,2,...,m---(1)]]>其中，x1,x2,..,xn为输入变量，n为输入层节点数，n1为隐含层节点数，wij(0≤wij≤1，i＝1,2,…,n，j＝1,2,…,n1)为输入层至隐含层的权值，隐含层的输出变量，θj(j＝1,2,…,n1)为输入层至隐含层的阈值；m为输出层节点数，w′jk(0≤w′jk≤1，j＝1,2,…,n1，k＝1,2,…,m)为隐含层至输出层的权值；y为隐含层至输出层的输出变量；θ′k(k＝1,2,…,m)为隐含层至输出层的阈值；f(z)为Sigmoid函数，如式(2)所示：f(z)=11+e-z---(2)]]>S2、定义式(1)所述反向传播神经网络的输入、输出变量；S3、设计粒子群算法，计算初始反向传播神经网络参数：wij，w′jk，进一步包括：S3‑1：编码粒子群个体：将初始化反向传播神经网络参数wij，w′jk作为一个整体参数进行编码，每一个个体都包含了反向传播神经网络的输入层至隐含层的权值，隐含层至输出层的权值；S3‑2：确定速度更新函数和位置更新函数，如式(3)、(4)vi(t+1)＝vi(t)+c1*r1(t)*(pi(t)‑xi(t))+c2*r2(t)*(pg(t)‑xi(t))   (3)xi(t+1)＝xi(t)+vi(t+1)                     (4)其中：xi(t)表示第i(i＝1,2,…,n)个粒子第t次迭代时的位置向量；vi(t)表示第i(i＝1,2,…,n)个粒子第t次迭代时的速度向量；pi(t)表示第i(i＝1,2,…,n)个粒子第t次迭代时的最优位置向量；pg(t)表示整个种群的t次迭代时经过的最优位置向量；c1,c2为学习因子(正常数)；r1，r2为[0,1]之间满足均匀分布的随机数；S3‑3：计算每个粒子的适应度值；S3‑4：对每个粒子i，比较它的适应值与它的个体极值pi(t)，如果当前值好于pi(t)，则替换pi(t)，否则，pi(t)等于当前位置xi；S3‑5：对每个粒子i，比较它的适应值与全局极值pg(t)，如果当前值较好，则替换pg(t)pg(t)；S3‑6：根据式(3)、(4)更新粒子的速度和位置；S3‑7：如果满足运行结束条件(误差足够好或达到了预先设定的最大迭代次数)，则退出，输出最优解，否则，回到S3‑3；S3‑8：解码最优个体；对粒子群个体解码，得到wij，w′jk；S4、建立训练数据集S和验证数据集T；S5、利用S中的电话号码和S3产生的初始值，对所述反向传播神经网络进行训练；S6、利用T中的电话号码对所述反向传播神经网络进行验证，包括如下步骤：S6‑1：计算T中骚扰电话号码识别准确的电话号码集合TP1，进一步包括：TP1＝{x|x∈TP，且x对应的相关统计数据x1,x2,..,xn作为所述反向传播神经网络输入时，对应的输出值y不小于0.9}；S6‑2：计算T中骚扰电话号码识别准确的电话号码集合TQ1，进一步包括：TQ1＝{x|x∈TQ，且x对应的相关统计数据x1,x2,..,xn作为所述反向传播神经网络输入时，对应的输出值y小于0.9、大于0.1}；S6‑3：计算T中骚扰电话号码识别准确的电话号码集合TR1，进一步包括：TR1＝{x|x∈TR，且x对应的相关统计数据x1,x2,..,xn作为所述反向传播神经网络输入时，对应的输出值y不大于0.1}；S7、计算所述反向传播神经网络的识别效果评估值；S8、S4～S7执行至少一次，记识别效果评估值最大的反向传播神经网络为OptAN；S9、将待识别的主叫号码x对应的相关统计数据x1,x2,..,xn输入到OptAN；S10：计算OptAN的输出y；如果y≥0.9，则主叫号码x为骚扰电话；如果y≤0.1，则主叫号码x为正常电话；如果0.1<y<0.9，则主叫号码x为疑似骚扰电话。