买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京优途豪程汽车科技发展有限公司

摘要：一种车辆维修报销行为异常检测方法，包括如下步骤：S1、对采集的车辆维修数据进行预处理，并对预处理之后的数据进行影响因子消除处理获得第一个特征列组以及第二个特征列组；S2、对第一个特征列组、第二个特征列组中的数据分别进行孤立森林模型与主成分分析PCA模型处理，并将处理结果进行模型融合取交集处理获得模型融合结果，将模型融合结果发送到业务自过滤模块进行过滤获得报销行为异常的车辆ID结果集。

主权项：1.一种车辆维修报销行为异常检测方法，其特征在于，包括如下步骤：S1、对采集的车辆维修数据进行预处理，并对预处理之后的数据进行影响因子消除处理获得第一个特征列组以及第二个特征列组；S2、对第一个特征列组、第二个特征列组中的数据分别进行孤立森林模型与主成分分析PCA模型处理，并将处理结果进行模型融合取交集处理获得模型融合结果，将模型融合结果发送到业务自过滤模块进行过滤获得报销行为异常的车辆ID结果集；S3、将报销行为异常的车辆ID结果集输出到结果可视化模块进行可视化处理后显示；所述步骤S1中对预处理之后的数据进行影响因子消除处理获得第一个特征列组以及第二个特征列组包括：S11、对每辆车基于车类型、归属单位、使用年限、修理厂联合细分维度统计各个特征列数值；S12、将车类型、归属单位、使用年限、修理厂联合细分维度转化为哑变量列；在包括归属单位维度时跳转到步骤S13，否则跳转到步骤S14；S13、针对S11中得到的每个特征列，以特征列为因变量，S12中得到的车类型、归属单位、使用年限、修理厂对应的哑变量列为自变量，建立线性回归方程，取拟合后的残差列代替因变量特征列，得到第一个特征列组；S14、针对S11中步得到的每个特征列，以特征列为因变量，S12中步得到的车类型、使用年限、修理厂对应的哑变量列为自变量，建立线性回归方程，取拟合后的残差列代替因变量特征列，得到第二个特征列组；所述步骤S2中对第一个特征列组与第二个特征列组分别进行孤立森林模型处理包括：特征列组为N维的车辆维修报销特征向量数据集，在特征列组的数据集中n条数据中进行均匀无放回抽样出m个样本，作为构建第一颗决策树的训练样本；在m个样本中，随机筛选一个车辆维修报销特征，并在这个车辆维修报销特征的所有值范围内随机选一个数值，对样本进行二叉树划分，将样本中小于该数值的划分到节点的左边，大于等于该数值的划分到节点的右边，从而完成了一次数据划分，得到了一个分裂条件以及左、右两边的数据集数据，接着在左右两边的数据集上重复进行以上的步骤过程，直到满足预设终止条件；重新上述步骤直到获得t个决策树，并用生成的孤立森林模型来评估测试数据以及新增加的样本数据来确定的异常车辆ID信息；所述生成的孤立森林模型来评估测试数据以及新增加的样本数据包括：一个训练样本数据x，令该样本数据x遍历每一棵以上过程的决策树，然后计算x最终落在每颗决策树第几层，即样本点x的路径长度hx为从决策树的根节点到叶子节点所经过的边的数量；进而可以得出x在每棵树的高度平均值Ehx；其中模型输出异常得分计算公式如下： 其中cn是n个样本的数据集，构建成树的平均路径长度，计算公式如下： 模型训练输出的异常分值越接近1表示数据异常可能性越大，越接近0表示数据正常可能性越大，如果整个数据样本异常分值都在0.5附近，则表示该数据样本集没有异常的样本；所述S2中对第一个特征列组与第二个特征列组中的数据分别进行主成分分析PCA模型处理包括：特征列组为N维的车辆维修报销特征向量数据集，对N维的车辆维修报销特征向量数据集中车辆维修报销特征进行降维处理，从而将N维的特征在空间中以向量的形式展现，然后进行投影，令投影后的数据方差最大，从而使得投影后的信息损失最小；将降维后的数据进行阀值划定，阀值由降维后的数据值TOP原则进行设定，阀值划定后输出PCA模型确定的异常车辆ID信息；将N维的车辆维修报销特征降为3维，每一维的数据代表了业务方面的一种方向，形成有语义的输出结果；所述步骤S2中模型融合结果发送到业务自过滤模块进行过滤包括：判断车辆ID信息对应车辆年消费占总消费比例是否大于第一预设值，在大于时确认为异常车辆ID信息，否则进一步判断零件消费占总消费比例是否大于第二预设值，在大于时确认为异常车辆ID信息，否则进一步判断零件数量是否大于第三预设值，在大于时确认为异常车辆ID信息，否则确认为正常车辆ID信息。

全文数据：

权利要求：

百度查询： 北京优途豪程汽车科技发展有限公司 车辆维修报销行为异常检测方法、设备及存储介质