基于密度的空间数据聚类的正常用户筛选方法

• 作 者: 徐小凤 刘家芬 郑宇卫
• 机 构: 西南财经大学经济信息工程学院,同济大学电子与信息工程学院
• 出 处: 计算机应用
• 发表日期: 2015年S1期
• 关键词: 第三方支付 风险控制 基于密度的空间数据聚类 特征加权 third-party payment risk control Density-Based Spa
• 基金项目: 国家自然科学基金重大研究计划项目（91218301）,国家自然科学基金青年项目（60903201）,中央高校基本科研业务专项（JBK140129）.

第三方支付需要通过有效的欺诈识别方法去进行风险控制,但通过复杂的案件识别模型对每次交易都执行案件判别会降低正常用户的体验。因此第三方支付希望对于正常用户,能够不通过复杂的案件识别系统而通过一个简单的模型系统直接放行以减少对正常用户的打扰。在样本极不均衡的情况下,针对第三方支付的正常用户识别问题,提出了一种基于DBSCAN算法的过滤方法。该方法首先利用信息值(IV)筛选特征,利用信息增益率对特征进行加权,再利用DBSCAN算法来识别案件的分布特征并排除异常案件,计算所有样本与案件聚类质心的距离来筛选出