[发明专利]一种主叫号码对碎屏险业务需求的检测方法

摘要

本发明公开了一种主叫号码对碎屏险业务需求的检测方法。建立基于径向基函数神经网络的碎屏险检测模型；设计了所述径向基函数神经网络的输入、输出变量；设计了改进萤火虫算法计算初始化径向基函数神经网络参数，提高所述径向基函数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；通过计算所述径向基函数神经网络的识别效果评估值，以识别效果评估值最大的径向基函数神经网络判别主叫号码是需要碎屏险电话、还是正常电话、还是疑似需要碎屏险电话。本发明提出的主叫号码对碎屏险业务需求的检测方法，计算速度快、推荐效果好，较好地满足手机碎屏险推荐需要。

主权项

1.一种主叫号码对碎屏险业务需求的检测方法，其特征在于，包括：S1、建立基于径向基函数神经网络的碎屏险检测模型： y k j = Σ i = 1 M w i j φ ( x k , c i ) , j = 1 , 2 , ... , m - - - ( 1 ) ]]>其中，x1,x2,...,xn为输入变量，n为输入层节点数，ykj(k＝1,2,...,n,j＝1,2,...,m)为第k个输入样本对应的输出；wij(i＝1,2...M,j＝1,2,...,m)为隐含层至输出层的权值；m为输出向量的维数；M为隐含层节点数；φ(xk,ci)(k＝1,2,...,n,i＝1,2,...M)表示径向基函数； φ ( x k , c i ) = exp ( - 1 2 σ i 2 | | x k - c i | | 2 ) - - - ( 2 ) ]]>其中：σi为高斯函数的标准差；xk为第k个输入样本；ci为基函数中心；||xk-ci||为样本与中心的欧式距离；S2、定义式(1)所述径向基函数神经网络输入变量、输出变量；S3、设计改进萤火虫算法，计算初始化径向基函数神经网络参数：ci，σi，wij，(i＝1,2...M,j＝1,2,...,m)，具体步骤：S3-1：编码萤火虫个体：将初始化径向基函数神经网络参数ci，σi，wij(i＝1,2...M,j＝1,2,...,m)作为一个整体参数进行编码，每一个个体都包含了径向基函数神经网络所有的基函数中心、高斯函数标准差和隐含-输出层的权值；S3-2：设置算法控制参数：随机生成n个萤火虫，形成初始的萤火虫种群，设置每个萤火虫的初始荧光素L0，感知半径Rs，初始步长s，最大步长smax，最小步长smin，荧光素挥发系数ρ，荧光素的更新率γ，令迭代技术器初始值t＝0，设定算法的最大迭代次数tmax；S3-3：确定适应度函数：以正则化均方根误差作为萤火虫的适应度函数，如式(3) f = 1 ( L - 1 ) σ 2 Σ t = 1 S ( t p - y p ) 2 - - - ( 3 ) ]]>其中：L为预测样本数；σ表示时间序列的标准方差；tp为第p个样本的期望输出；yp为第p个样本的实际输出；S3-4：荧光素更新；更新每个萤火虫在第t代的荧光素值，如式(4)li(t+1)＝(1-ρ)li(t)+γf(xi(t+1)) (4)其中li(t+1)表示第t+1次迭代中，萤火虫i的荧光素值；ρ为(0,1)的常数，表示控制荧光素值的参数；γ为常数，表示荧光素的更新率，f(xi(t+1))为适应度函数值；S3-5：更新萤火虫位置；当萤火虫i找到具有更高荧光素值的萤火虫j时，如两者之间的距离小于决策半径时，则萤火虫i以式(5)的概率向萤火虫j移动； P i j ( t ) = l j ( t ) - l i ( t ) Σ k ∈ N i ( t ) l k ( t ) - l i ( t ) - - - ( 5 ) ]]>其中，Pij为萤火虫i向萤火虫j移动的概率，是在决策半径内荧光素高的萤火虫个数，xj(t)表示第t代的第j个萤火虫的位置；S3-5：自适应更新步长的策略；根据t对步长进行自适应更新，最后根据位置更新公式(6)对萤火虫位置进行更新； x i ( t + 1 ) = x i ( t ) + s x j ( t ) - x i ( t ) | | x j ( t ) - x i ( t ) | | + r a n d ( 0 , 1 ) × ( gso max x - x i ( t ) ) - - - ( 6 ) ]]>其中s为移动步长，rand(0,1)为服从0到1的均匀分布函数，gsomax为整个萤火虫种群中适应度最大的萤火虫，并利用适应度函数，根据式(3)计算更新后位置目标函数值，进而更新全局最优值；S3-6：更新决策域的范围；根据公式计算第i个萤火虫的动态决策域；其中为第i个萤火虫在t+1代的决策半径，Rs为感知半径，β为控制参数，nt为萤火虫周围邻居数目的阈值；S3-7：若迭代次数超过了最大迭代次数tmax，或者达到设置的精度要求，则退出操作，否则返回到S3-4；S3-8：解码最优个体；对萤火虫种群个体解码，得到ci，σi，wij(i＝1,2,…,M；j＝1,2,…,m)；S4、建立训练数据集S和验证数据集T；S5、利用S中主叫号码和S3产生的初始值，对所述径向基函数神经网络进行训练；S6、利用T中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中需要碎屏险主叫号码识别准确的主叫号码集合TP1，进一步包括：TP1＝{x|x∈TP,且x对应的相关统计数据x1,x2,..,xn作为所述径向基函数神经网络输入时，对应的输出值y不小于0.75}；S6-2：计算T中疑似需要碎屏险主叫号码识别准确的主叫号码集合TQ1，进一步包括：TQ1＝{x|x∈TQ,且x对应的相关统计数据x1,x2,..,xn作为所述径向基函数神经网络输入时，对应的输出值y小于0.75、大于0.25}；S6-3：计算T中正常主叫号码识别准确的主叫号码集合TR1，进一步包括：TR1＝{x|x∈TR,且x对应的相关统计数据x1,x2,..,xn作为所述径向基函数神经网络输入时，对应的输出值y不大于0.25}；S7、计算所述径向基函数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径向基函数神经网络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≥0.75，则主叫号码x为碎屏险电话；如果y≤0.25，则主叫号码x为正常电话；如果0.25<y<0.75，则主叫号码x为疑似碎屏险电话。