信用卡詐騙偵測是銀行風(fēng)險管理的重要內(nèi)容,隨著信用卡的普及,其交易數(shù)據(jù)也在上漲,其中多數(shù)交易是正常數(shù)據(jù),欺詐交易只占少數(shù)分,但是這極少的欺詐交易帶來的損失是巨大的。因此,有效的偵測出信用卡詐騙交易是極為重要的。信用卡詐騙檢測實際上是一種不平衡分類問題,小類樣本才我們關(guān)注的重點,因此,提高對小類樣本的識別率是解決不平衡分類問題的關(guān)鍵。本文概括和總結(jié)了現(xiàn)有不平衡分類方法,總結(jié)了這些方法的優(yōu)缺點。針對傳統(tǒng)單個分類器在不平衡數(shù)據(jù)上分類效果有限這一問題,基于生成式對抗網(wǎng)絡(luò)和集成學(xué)習(xí)方法,提出了一種新的針對二類不平衡數(shù)據(jù)集的分類方法——WGANBoost算法（Wasserstein Generative Adversarial Nets-Adaptive Boosting,WGANBoost）。首先,利用WGAN訓(xùn)練得到生成模型,生成模型生成少數(shù)類樣本,降低數(shù)據(jù)的不平衡性;其次,將生成的少數(shù)類樣本帶入自適應(yīng)增強模型框架,更改權(quán)重,改進了自適應(yīng)增強模型,提升了以決策樹為基分類器的自適應(yīng)增強模型的分類性能。使用受測者工作特征曲線下面積（AUC）和F measure作為分類評價指標,在驗證數(shù)據(jù)集上進行實驗... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

010-2020全球信用卡欺詐損失Figure1-1GlobalLossesofCardFraudin2010-2020

圖 1-2 國外近 10 年的相關(guān)文獻數(shù)目情況Figure 1-2 The number of publications at international in ten years圖 1-3 國外近 10 年的相關(guān)文獻期刊文章數(shù)目占比情況Figure 1-3 The Proportion of publications at international in ten years

3圖 1-3 國外近 10 年的相關(guān)文獻期刊文章數(shù)目占比情況Figure 1-3 The Proportion of publications at international in ten years在知網(wǎng)上以“信用卡欺詐”或“信用卡詐騙”為主題搜索，一共有 438 條中文文獻記錄，最早的文獻發(fā)表于 1987 年，國內(nèi)“信用卡詐騙”相關(guān)研究較少，起步較晚。統(tǒng)計了近 10 年的文獻發(fā)表數(shù)目情況，見圖 1-4，發(fā)表類型占比情況，見圖 1-5，學(xué)科分類見圖 1-6，論文期刊摘要詞云圖見圖 1-7。由圖 1-4 可以看出，近 10 年，國內(nèi)相關(guān)文獻數(shù)目在 2012 年達到峰值，此后呈逐

【參考文獻】：
期刊論文
[1]基于GAN-AdaBoost-DT不平衡分類算法的信用卡欺詐分類[J]. 莫贊,蓋彥蓉,樊冠龍.  計算機應(yīng)用. 2019(02)
[2]基于主動學(xué)習(xí)不平衡多分類AdaBoost算法的心臟病分類[J]. 王莉莉,付忠良,陶攀,胡鑫.  計算機應(yīng)用. 2017(07)
[3]一種基于Boosting的集成學(xué)習(xí)算法在不均衡數(shù)據(jù)中的分類[J]. 李詒靖,郭海湘,李亞楠,劉曉.  系統(tǒng)工程理論與實踐. 2016(01)
[4]不平衡數(shù)據(jù)的集成分類算法綜述[J]. 李勇,劉戰(zhàn)東,張海軍.  計算機應(yīng)用研究. 2014(05)
[5]基于Boosting的不平衡數(shù)據(jù)分類算法研究[J]. 李秋潔,茅耀斌,王執(zhí)銓.  計算機科學(xué). 2011(12)
[6]用于多標記學(xué)習(xí)的K近鄰改進算法[J]. 張順,張化祥.  計算機應(yīng)用研究. 2011(12)
[7]信用卡欺詐行為多層動態(tài)檢測模型[J]. 郭濤,李貴洋.  微計算機信息. 2009(12)
[8]一種基于粗集神經(jīng)網(wǎng)絡(luò)的欺詐風(fēng)險分析方法[J]. 盛昭瀚,柳炳祥.  應(yīng)用科學(xué)學(xué)報. 2003(02)



本文編號：3386950